Eutrofiering av Mjøsa – kartlegging av årsaksforhold og kilder til fosfor i delnedbørfelt: Hunnselva
Notice bibliographique
Résumé
Hunnselva har vært betydelig påvirket av både avløp, husdyrhold og arealavrenning fra jordbruket. Vannkvaliteten har blitt bedre sammenliknet med 1970, 1980 og 1990-tallet, men tilstanden med hensyn til eutrofiering er fortsatt moderat i nedre og midtre deler av elva. Avløp er den største kilden til biotilgjengelig fosfor. Fortsatt opprydding i spredt avløp er derfor det viktigste tiltaket for å bedre vannkvaliteten i elva. Beregninger fra 2016 viser at hovedkildene til det menneskeskapte fosfortapet er jordbruk og avløp. Jordbruksproduksjonen har endret seg lite i nedbørfeltet til Hunnselva over de siste 20 årene, og består av husdyr-, gras- og kornproduksjon. Fosforstatus i jorda er høy, og viser en svak økning i løpet av perioden. Dette medfører økt risiko for fosforavrenning. Redusert fosforgjødsling, grasdekte vannveier i forsenkninger, og ‘ingen jordarbeiding om høsten’ vil derfor være viktige tiltak for å redusere fosfortilførslene til elva fra jordbruksarealene. Miljøovervåkingen av Mjøsa, samt algeoppblomstringen i 2019, indikerer at innsjøen ikke tåler særlig større næringsstoffbelastning. Opprettholdelse av god vannkvalitet i Mjøsa er avhengig av målrettede tiltak i de ulike vassdragene som har utløp i Mjøsa. Dette faktaarket omhandler årsaksforhold,kilder og tiltak for redusert fosforavrenning fra nedbørfeltet til Hunnselva.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,004 |
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 ».