Multi-factors reveal spatiotemporal evolution trend and driving mechanism of salinity in coastal zone shallow sea area
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Salinity is a key factor influencing the hydrology, ecology, and biogeochemistry of the ecosystem. Elevated salinity levels can lead to habitat loss. However, most current studies focus on estuarine and coastal wetlands, and the studies on salinity gradient change and its driving mechanism in coastal zone shallow sea areas remain poorly understood. This study selected the temperature and salinity data of Lianyungang in Jiangsu Province, Shidao, and Xiaomaidao in Shandong Province from January 1996 to June 2023. By employing Principal Component Analysis (PCA) and Pearson correlation analysis, we aimed to investigate the spatiotemporal changes and influencing factors of salinity. The results showed that there was no significant difference in the seasonal variation of salinity, which fluctuates around 30‰, and the interannual variation has been decreasing over time. The salinity tended to increase regionally with increasing latitude. Furthermore, both climate and natural factors, such as rainfall and runoff, were found to be crucial drivers of salinity changes, while the impact of proximity to the sea also varied over time. The variation trend of freshwater flux (FWF) and salinity is consistent, and a positive correlation was identified. While it was observed that freshwater input decreases salinity locally. Effects such as ocean currents and human activities, including agricultural land clearing, also regulate salinity. These results provide new insights into the mechanisms driving the spatiotemporal variation of salinity in coastal areas, offer a theoretical foundation for hyper-salinization prevention and control, and highlight directions for future research.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découle