Eutrofiering av Mjøsa - kartlegging av årsaksforhold og kilder til fosfor i ni delnedbørfelt
Bibliographic record
Abstract
Til tross for betydelig bedring siden 1970- og 80-tallet, er økologisk tilstand mht. eutrofiering fortsatt klassifisert som moderat i nedre deler av flere av Mjøsas tilløpselver samtidig som Mjøsa de fleste årene har god økologisk tilstand. De siste årene har tilstanden imidlertid nærmet seg grensen til moderat i deler av Mjøsa, og vært moderat i Furnesfjorden. En oppblomstring av blågrønnalger i 2019 kan tyde på forverring av tilstanden. Fosfortilførsler er den vesentligste årsaken til eutrofiering. I de ni nedbørfeltene som er sammenstilt her, har det vært en økning i husdyrtallene over de siste 20 årene med tilsvarende økning i spredning av fosfor med husdyrgjødsel i jordbruket. Fosforinnholdet i jordbruksjorda har økt i samme periode. Det fører til økt risiko for fosfor-avrenning. Samtidig er det betydelige tilførsler av fosfor med høy biotilgjengelighet fra spredte avløpsanlegg. Med klimaendringer som fører til økt avrenning er det en risiko for at fosfortilførslene kan øke og overskride grensen for den belastningen innsjøen tåler. Dersom det ikke settes inn tiltak kan tilstanden i innsjøen forverres. Tiltakene omfatter opprydding i avløpsløsninger, redusert tilførsel av fosfor til jordbruksarealene blant annet ved bruk av fosforfri mineralgjødsel sammen med utnyttelse av alt spredeareal, og overvintring i stubb med grasdekte vannveier og kantsoner på kornarealene. Etablering av fangdammer vil også bidra til å redusere fosfortilførslene til Mjøsa.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.086 | 0.031 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".