MétaCan
Menu
Retour à la cohorte
Enregistrement W4404386911 · doi:10.1002/eco.2739

Pumping Groundwater to Create Cold‐Water Thermal Refuges in Warming Rivers

2024· article· en· W4404386911 sur OpenAlexafffundabout
Kathryn A. Smith, Barret L. Kurylyk

Notice bibliographique

RevueEcohydrology · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater-Energy-Food Nexus Studies
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGeological Society of America
Mots-clésEnvironmental scienceGroundwaterHydrology (agriculture)Water resource managementGeologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Thermal refuges in rivers and streams provide critical habitat for cold‐water species during periods of thermal stress. In this study, we created a new cold‐water thermal refuge by pumping cool groundwater to a warm coastal river in Nova Scotia, Canada. Thermal infrared imagery revealed a notable thermal plume, measuring approximately 55 m 2 at the water surface during low‐flow conditions, with mixing limited by the installation of a flow deflector. Above‐water and underwater cameras recorded several fish utilizing the created cold‐water plume during periods of high ambient river temperatures (up to 30°C). Thermal numerical modelling was conducted to interpret the field data and assess the impact of alternative designs and conditions. Model results revealed that the extent of the created thermal plume substantially increased (+202%) with the use of a deflector and that the plume size was controlled by several factors including the river flow rate and temperature, the pumping rate and the groundwater temperature. The study findings demonstrate the efficacy of creating cold‐water habitat in the face of a warming climate and lay the foundation for future proactive thermal management strategies aimed at maintaining thermal diversity in warming rivers.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,308
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,003

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,218
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEcohydrologyMême sujetWater-Energy-Food Nexus StudiesTravaux en français237 207