Eutrofiering av Mjøsa – kartlegging av årsaksforhold og kilder til fosfor i delnedbørfelt: Heggshuselva
Bibliographic record
Abstract
Heggshuselva har vært betydelig påvirket av både avløp, husdyrhold og arealavrenning fra jordbruket. Det foreligger få nyere undersøkelser av vannmiljøet i elva, men økologisk tilstand med hensyn til eutrofiering er trolig moderat. Beregninger for 2016 viser at hovedkildene til de menneskeskapte tilførslene av fosfor er jordbruk og avløp. Avløp er den største kilden til biotilgjengelig fosfor. Fortsatt opprydding i spredt avløp er derfor det viktigste tiltaket for å bedre vannkvaliteten i elva. Det har likevel over de siste 20 årene skjedd endringer i jordbruket i nedbørfeltet som kan ha hatt positiv effekt på vannkvaliteten i elva og tilførslene til Mjøsa. Husdyrtettheten er redusert og det samme gjelder kornarealet, mens andelen av kornarealet som overvintret i stubb har økt. Fosforstatus i jordbruksjorda er imidlertid høy og har ikke endret seg de siste 20 årene. En fortsatt nedgang i husdyrtetthet med redusert spredning av husdyrgjødsel på jordbruksarealene vil føre til redusert fosforstatus i jorda og redusert avrenning av fosfor. Miljøovervåkingen av Mjøsa, samt algeoppblomstringen i 2019, indikerer at innsjøen ikke tåler særlig større næringsstoffbelastning. Opprettholdelse av god vannkvalitet i Mjøsa er avhengig av målrettede tiltak i de ulike vassdragene som har utløp i Mjøsa. Dette faktaarket omhandler årsaksforhold, kilder og tiltak for redusert fosforavrenning fra nedbørfeltet til Heggshuselva.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.041 | 0.012 |
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".