The Potential for Remote Sensing Measurement of Dissolved Organic Carbon as a Tool For Metal Risk Assessments
Notice bibliographique
Résumé
The biotic ligand model (BLM) is a tool used to quantitatively evaluate how receiving water chemistry affects the bioavailability of metals. Sensitivity testing can be used to understand how the model outputs vary in response to systematic changes in water chemistry inputs. This will allow users of such models to understand how accurate their input parameters must be for a specified level of confidence in the output. Our focus was on dissolved organic carbon (DOC), which is often the most limiting data for application of BLM approaches to metals risk management. To potentially address DOC data limitations remote sensing can be explored as a tool to measure DOC, but it is necessary to understand DOC data requirements to produce water quality criteria outputs within the usually accepted prediction variance. This study begins with inputting average water chemistries to a copper BLM model for both cold and warm water regions with 1%, 10%, 25% and 50% variations in the mean values for all parameters, without considerations of correlations among parameters. The variation in the model output criterion continuous concentration (CCC) for copper as a function of DOC, and other model inputs, allows estimation of how well DOC needs to be estimated using remote sensing in a theoretical sense. It was discovered that 20% error allowance in the theoretical simulations gave accurate BLM results. To address if the 20% error holds up in practice, similar testing was completed with a real data set from 100 lakes in Ontario. Interestingly, it was discovered that DOC did not have as much influence on the CCC, and pH was the most sensitive parameter. This launched an investigation as to if the 20% error allowance would differ based on different pH levels, as results showed higher pH values having higher CCC values. The modelling then showed that although CCC is dependent on pH, the error allowance is independent of pH. Therefore, the 20% error allowance of DOC measurements through remote sensing is still a reasonable guideline, regardless of pH value.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».