MétaCan
Menu
Retour à la cohorte
Enregistrement W7111122436 · doi:10.1021/acs.est.5c00411.s001

FreshwaterSalinization of Seasonal Ponds: High Salinityand Stratification Threaten Critical, Overlooked Habitats

2025· article· W7111122436 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2025
Typearticle
Langue
DomaineEnvironmental Science
ThématiqueSmart Materials for Construction
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSalinityHabitatStratification (seeds)Aquatic ecosystemWater columnHydrology (agriculture)SeasonalityPollution

Résumé

récupéré en direct d'OpenAlex

Nearly a century of road salt use in the snowbelt region of North America has led to substantial increases in salinity levels in freshwater habitats. Salt pollution in lakes and rivers is well characterized. Lacking are broad insights for seasonal ponds. As critical habitats for many endemic species, these small and often poorly flushed surface waters are especially vulnerable to accumulating high levels of salts and other pollutants. Here, we measured salinity in 165 seasonal ponds, characterizing salt pollution patterns across space, through time, and over depth within ponds. We found that 70% of ponds within 37 m of a road contained salinity levels exceeding Canadian federal guidelines. 54% of ponds within 25 m exceeded less conservative US federal guidelines. Within ponds, the water column was stratified due to the combined density effects of salt and temperature. Bottom waters of polluted ponds were about 57% saltier than near-surface waters, though many were much saltier than this. Compared to lakes and rivers, far more seasonal ponds appear to be compromised by deicing salt, and overall, the concentration of salt appears to be substantially higher. Among aquatic habitats, seasonal ponds are experiencing the most severe impacts of freshwater salinization, with consequent impacts on sensitive aquatic organisms.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,495
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,3350,002

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 Opus0,020
Tête enseignante GPT0,267
Écart entre enseignants0,247 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetSmart Materials for ConstructionTravaux en français237 207