Factors controlling the water quality of rock glacier springs in European and American mountain ranges
Notice bibliographique
Résumé
Rock glaciers (RGs) provide significant water resources in mountain areas under climate change. Recent research has highlighted high concentrations of solutes including trace elements in RG-fed waters, with negative implications on water quality. Yet, sparse studies from a few locations hinder conclusions about the main drivers of solute export from RGs. Here, in an unprecedented effort, we collected published and unpublished data on rock glacier hydrochemistry around the globe. We considered 201 RG springs from mountain ranges across Europe, North and South America, using a combination of machine learning, multivariate and univariate analyses, and geochemical modeling. We found that 35 % of springs issuing from intact RGs (containing internal ice) have water quality below drinking water standards, compared to 5 % of springs connected to relict RGs (without internal ice). The interaction of ice and bedrock lithology is responsible for solute concentrations in RG springs. Indeed, we found higher concentrations of sulfate and trace elements in springs sourcing from intact RGs compared to water originating from relict RGs, mostly in specific lithological settings. Enhanced sulfide oxidation in intact RGs is responsible for the elevated trace element concentrations. Challenges for water management may arise in mountain catchments rich in intact RGs, and where the predisposing geology would make these areas geochemical RG hotspots. Our work represents a first comprehensive attempt to identify the main drivers of solute concentrations in RG waters.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».