MétaCan
Menu
Retour à la cohorte
Enregistrement W4414459445 · doi:10.1038/s43247-025-02594-6

Effects of climate change on river and groundwater nutrient inputs to the coastal ocean

2025· article· en· W4414459445 sur OpenAlexaff
Christina Richardson, Bernhard Peucker‐Ehrenbrink, Shea N. Wyatt, Annie Bourbonnais, Vanessa Hatje, Claudia Frey, Tina Sanders, Diana E. Varela, Adina Paytan

Notice bibliographique

RevueCommunications Earth & Environment · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensUniversity of Victoria
Organismes subventionnairesInternational Atomic Energy AgencyGobierno del Principado de Asturias
Mots-clésClimate changeNutrientGroundwaterHydrology (agriculture)AquiferCryospherePrecipitationGlobal warmingEffects of global warming

Résumé

récupéré en direct d'OpenAlex

Rivers and groundwater are major sources of nutrients to the global coastal ocean. Climate change is expected to impact nutrient fluxes from river basins and coastal aquifers through alterations to both hydrological and nutrient cycling processes. In this Review, we identify and summarize how climate change impacts, such as changes in precipitation, increased cryosphere melt, and sea level rise, will affect water discharge and nutrient concentrations in rivers and coastal groundwater, which ultimately control nutrient inputs to the coastal ocean. We also document key limitations in the current understanding of climate-related changes to nutrient fluxes, especially in coastal groundwater basins. The impacts of climate change will interact with local human impacts, highlighting the need for studies spanning local to global scales to better understand and improve predictions of future nutrient fluxes from these hydrological pathways. Nutrient fluxes from rivers and groundwater flowing into the ocean are impacted by climate change impacts such as precipitation changes, cryosphere melt, and sea level rise.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,156
Score d'incertitude au seuil0,304

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 ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,218
Écart entre enseignants0,207 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations17
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications Earth & EnvironmentMême sujetFish Ecology and Management StudiesTravaux en français237 207