Regressions of Sw-add-dyn and total

Regressions of Sw-add-dyn and total NO3-N concentration to estimate Sw-amb were based on 14 and 21 data points at Beehive and Middle Fork, respectively (Fig. 4A,B). Results at Beehive (r2 = 0.69, P = 0.0003) and Middle Fork (r2 = 0.97, P < 0.0001) displayed linear relationships between Sw-add-dyn and concentration as predicted by M-M kinetics (Fig. 4). Ambient spiraling metrics derived from these models differed predictably from BTCintegrated values (Table 3). Sw-add-int values were 2.3–2.8 times longer, Vf-tot-int measures were 1.75–2.3 times lower, and Utot-int metrics 2.7–10.9 times greater than ambient parameters with enrichments of 5–25 times background concentrations during slug additions (Table 3).

結果 (繁體中文) 1:

的回歸SW-添加-DYN和總NO3-N濃度來估計SW-AMB是基於在蜂窩和中間叉子14和21的數據點，分別（圖4A，B）。結果在蜂巢（R2 = 0.69，P = 0.0003）和中間叉子（R2 = 0.97，P <0.0001）由MM動力學（圖4）作為預測的SW-添加-DYN和濃度之間顯示線性關係。從這些模型衍生環境螺旋度量從BTCintegrated值（表3）可預見不同。SW-添加-INT值分別為更長2.3-2.8倍，VF-TOT-INT的措施，降低1.75-2.3倍，並且Utot-INT比金屬塊中的5-25倍的富集濃度的背景環境參數更大的度量2.7-10.9倍添加劑（表3）。

結果 (繁體中文) 2:

Sw-add-dyn和總NO3-N濃度的回歸估計Sw-amb分別基於蜂巢和中叉的14個和21個資料點（圖4A，B）。Beehive（r2 = 0.69，P = 0.0003）和中叉（r2 = 0.97，P = 0.0001）的結果顯示了M-M動力學預測的Sw-add-dyn與濃度之間的線性關係（圖4）。從這些模型派生的環境螺旋指標與 BTC 集成值可預測地不同（表 3）。Sw-add-int 值是 2.3~2.8 倍，Vf-tot-int 測量值低 1.75–2.3 倍，Utot-int 指標比環境參數高 2.7–10.9 倍，在添加 s.期間的背景濃度為 5-25 倍（表 3）。

結果 (繁體中文) 3:

sw-add-dyn和總no3-n濃度的回歸估計sw-amb分別基於蜂窩和中叉的14個和21個數據點（圖4a、b）。結果在蜂窩（r2=0.69，p=0.0003）和中間叉（r2=0.97，p<0.0001）處，sw-add-dyn與m-m動力學預測的濃度呈線性關係（圖4）。從這些模型得出的環境螺旋變化名額與BTC積分值（錶3）存在可預測的差异。sw add int值是2.3–2.8倍，vf tot int測量值是1.75–2.3倍，utot int測量值是環境參數的2.7–10.9倍，在添加段塞期間背景濃度的豐富度是5–25倍（錶3）。