J. Great Lakes Res. 33 (Special Issue 3):67–85 Internat. Assoc. Great Lakes Res., 2007 Water Quality in Great Lakes Coastal Wetlands: Basin-wide Patterns and Responses to an Anthropogenic Disturbance Gradient
Notice bibliographique
Résumé
ABSTRACT. We present water quality data from 58 coastal wetlands, sampled as part of a larger effort investigating effects of nutrient enrichment and habitat disruption in the Laurentian Great Lakes. Our sampling design selected sites from across a gradient of agricultural intensity within combinations of biogeographic ecoprovince and wetland hydromorphic type and captured a large range in water quality. Levels of total nutrients (N and P), and various measures of particulate concentration, water clarity, and ionic strength were strongly associated with agricultural intensity in the watershed, and could be effec-tively aggregated into an overall principal component-based water quality descriptor. Lake Erie wetlands had the highest nutrient levels and lowest water clarity, while wetlands in Lakes Superior and Huron had the lowest nutrient levels and clearest water. Lake Ontario wetlands had clearer water than would be expected from their nutrient levels and position on the agricultural intensity gradient. Dissolved oxygen, silica, pH, and dissolved organic carbon (DOC) were independent of agricultural intensity but DOC was responsible for low water clarity in some Lake Superior wetlands. Simple classification by hydromorphic type (riverine or protected) did not explain water quality differences among wetlands exposed to similar agricultural intensity levels, so finer hydrologic classification may be desirable. Results are used as a basis for discussing research and information needs underlying development of water quality criteria and monitoring programs for coastal wetlands of the Great Lakes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».