Methodological considerations for anticipating wildfire ash-associated organic carbon changes in water supplies
Notice bibliographique
Résumé
Wildfire can adversely impact the quality and quantity of water in forested regions by delivering excessive loads of sediment and burned materials into receiving waters via runoff. To evaluate implications to water treatability, bench- and pilot-scale investigations often involve wildfire ash addition to source water to reflect post-fire source water quality change. As methods are not standardized, a range of experimental conditions, such as different ash/water mixtures and mixing methods have been used—this can lead to contradictory results. Here, two key factors in source water preparation for investigating wildfire impacts on water treatability (i.e., mixing time and ash mass concentration) were investigated and their impacts on leached water extractable organic matter (WEOM) from wildfire ash were characterized. Specifically, a series of controlled bench-scale experiments were conducted to monitor and evaluate water quality changes in wildfire ash‒ impacted water (WAIW) under different mixing scenarios using both natural river water and ultrapure water. Water quality parameters including pH, alkalinity, conductivity, dissolved organic carbon (DOC), and specific ultraviolet absorbance (SUVA) were measured in WAIW samples. Further characterization of organic matter involved liquid chromatography-organic carbon detection (LC-OCD) analysis. The concentration and character of organic carbon changed considerably during the first 24 hours of mixing. Water quality and ash mass concentration limit the extraction of organic matter into water. These results emphasize the importance of (i) specifying experimental conditions and providing rationale for the approach utilized (e.g., demonstrating a worst-case scenario of maximal leaching of WEOM from wildfire ash, reflecting watershed conditions), (ii) providing a range of results obtained at different leaching conditions, or alternatively (iii) clarifying that results may be exploratory or comparative, but not necessarily quantitatively meaningful or relevant for decision-making.
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 | 0,044 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».