MétaCan
Menu
Retour à la cohorte
Enregistrement W7026568479

ASSESSING ROAD DUST IMPACTS ON MACROINVERTEBRATES COMMUNITY STRUCTURE IN CANADIAN ARCTIC LAKES

2024· article· en· W7026568479 sur OpenAlexaboutno aff

Notice bibliographique

RevueScholars Commons (Wilfrid Laurier University) · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSmart Materials for Construction
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTundraArcticInvertebrateEcosystemBorealWatershedCommunity structureBiological dispersalWater quality
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In the Canadian Arctic, unpaved gravel roads are essential for regional accessibility but are also potential sources of road dust runoff. My study investigated the impacts of road dust from the Dempster and Inuvik-Tuktoyaktuk Highways on adjacent freshwater ecosystems, focusing on water quality parameters and macroinvertebrate communities. Using a stratified random sampling design, 18 lakes were studied across two regions (boreal forest and tundra) and three distance categories from the road (0-300 m, 300-600 m, and > 600 m). Contrary to my initial hypotheses, findings revealed no significant differences in water quality or invertebrate communities relative to distance from the road. However, differences were noted in dissolved nitrogen and dissolved organic carbon levels between boreal and tundra lakes, as well as in macroinvertebrate community composition. Dust trap experiments confirmed dust dispersal up to at least 300 meters from the road, with higher deposition in tundra areas. The discrepancy between dust movement and lack of observable impacts on lakes suggests that other factors, such as lake morphometry, watershed characteristics, and regional variability, may overshadow potential road dust effects. My study highlights the intrinsic complexity of Arctic freshwater ecosystems and emphasizes the need for long-term, multi-seasonal studies to better distinguish between anthropogenic influences and natural variability.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,474
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,223
Écart entre enseignants0,211 · 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.

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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholars Commons (Wilfrid Laurier University)Même sujetSmart Materials for ConstructionTravaux en français237 207