MétaCan
Menu
Back to cohort
Record W6981656660

Eutrofiering av Mjøsa - kartlegging av årsaksforhold og kilder til fosfor i ni delnedbørfelt

2021· report· no· W6981656660 on OpenAlexaboutno aff

Bibliographic record

VenueDuo Research Archive (University of Oslo) · 2021
Typereport
Languageno
FieldSocial Sciences
TopicLaw, Rights, and Freedoms
Canadian institutionsnot available
Fundersnot available
KeywordsChristian ministryQuarter (Canadian coin)Population
DOInot available

Abstract

fetched live from OpenAlex

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.007
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Research integrity, Insufficient payload (model declined to judge)
Consensus categoriesScience and technology studies
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.624
Threshold uncertainty score0.999

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0070.001
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0020.001
Bibliometrics0.0020.002
Science and technology studies0.0060.032
Scholarly communication0.0000.001
Open science0.0030.003
Research integrity0.0010.003
Insufficient payload (model declined to judge)0.0050.001

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.

Opus teacher head0.080
GPT teacher head0.322
Teacher spread0.242 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designNot applicable
Domainnot available
GenreOther

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".

Quick stats

Citations0
Published2021
Admission routes1
Has abstractyes

Explore more

Same venueDuo Research Archive (University of Oslo)Same topicLaw, Rights, and FreedomsFrench-language works237,207