Notice bibliographique
Résumé
Abstract. Long-term dissolved organic carbon (DOC) trends have been observed across many regions of the Northern Hemisphere, yet the drivers of these trends are not universal. Elevated DOC concentrations are a major concern for drinking water treatment plants that draw from freshwaters, owing to effects on disinfection byproduct formation, risks of bacterial regrowth in water distribution systems, and increasing treatment costs. Using a unique 30-year data set encompassing both extreme wet and dry conditions in a eutrophic drinking water reservoir in the Great Plains of North America, we investigate the effects of changing source water and in-lake water chemistry on DOC. Using wavelet coherence analyses and generalized additive models of DOC, we find DOC concentration was significantly coherent with flow from a large upstream mesotrophic reservoir. DOC was also coherent with sulfate, total phosphorus, ammonium, and chlorophyll a concentrations across the 30-year record. These variables accounted for 56 % of the deviance in DOC from 1990 to 2019, suggesting that water source and in-lake nutrient and solute chemistry are effective predictors of DOC concentration. Clearly, climate and changes in water and catchment management will influence source water quality in this already water-scarce region. Our results highlight the importance of flow management to shallow eutrophic reservoirs. They also highlight a key challenge where wet periods can exacerbate water quality issues and these effects can be compounded by reducing inflows from systems with lower DOC. These flow management decisions address water level and flood risk concerns but have important impacts on drinking water treatability.
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 | 0,002 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,027 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,135 | 0,108 |
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 ».