MétaCan
Menu
← Retour à la cohorte
Enregistrement W7099203272

Chemical characteristics and acid sensitivity of boreal headwater lakes

2010· article· en· W7099203272 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMine drainage and remediation techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSurface runoffHydrology (agriculture)Drainage basinBorealBogAcid rainAcid neutralizing capacityEcoregionDissolved organic carbonDeciduous
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Boreal ecosystems in northwest Saskatchewan may be threatened by acidification as this area is downwind of atmospheric emissions sources from regional oil sands mining operations. To evaluate the status of lakes in this region, a survey of 259 headwater lakes was conducted during 2007–2008 within ~300 km of Fort McMurray, Alberta. Acid sensitivity by ecoregion increased from Mid-Boreal Upland to Churchill River Upland to Athabasca Plain, with 60 % of lakes classified as sensitive (50–200 μeq L–1 acid neutralizing capacity (ANC)), and 8 % as very sensitive (<50 μeq L–1 ANC) to acid deposition. Organic anions dominated the acidity balance in most lakes, but non-marine sulphate varied positively with lake elevation and % upland cover (r2 = 0.24). Base cation concentrations (Ca, Mg, K, Na) were correlated with % deciduous forest in the catchment area (r2 = 0.33), while dissolved organic carbon (DOC) was related most strongly to % bog and lake flushing variables (r2 = 0.53). Variation in runoff coefficients derived by isotope mass balance corresponded with catchment area attributes that proxy controls on evaporation, infiltration and storage, and showed some ecoregional differences. The findings have implications for assignment of runoff values required to calculate critical loads of acidity. Although acidification appears not to be significantly advanced, many dilute oligotrophic lakes with pH 6.0 to pH 6.5 are vulnerable to acid deposition.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,258
Score d'incertitude au seuil0,514

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,005
Tête enseignante GPT0,211
Écart entre enseignants0,206 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMine drainage and remediation techniques→Travaux en français237 207→