RELATIONSHIP BETWEEN GRAIN SIZE AND HEAVY METALS IN SEDIMENTS FROM BEACHES ALONG THE COAST OF GUYANA
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper examined surficial sediments collected from eroding and accreting beaches along the coast of Guyana for concentrations of toxic heavy metals. Twenty-four samples were collected, twelve from each of the eroding Melanie Beach and the accreting Albion Beach. Three grain size fractions (4.0 phi, 5.0 phi and >5.0 phi) plus twenty-four bulk samples less than 4.0 phi in diameter were analyzed for a total of 96 samples. Each sample was examined for the presence of eight heavy metals, these being aluminum, chromium, copper, iron, lead, nickel, vanadium and zinc. The samples were chemically analyzed by aquaregia, followed by inductively coupled plasma-optical emission spectroscopy. Discriminant analysis, analysis of variance and correlation and regression techniques were used to analyze the datasets. Results from the discriminant analysis emphasized that heavy metal concentrations were unique to each beach. The analysis of variance (ANOVA) showed that grain size of the sediment had a pronounced effect on the concentrations and spatial distribution of heavy metals. Correlation and regression analysis substantiated the ANOVA results, and revealed the existence of an inverse relationship between the concentrations of heavy metals and the grain size of sediments. The Albion accretionary beach, with finer sediments, accumulated far more heavy metals than the coarser-grained receding Melanie Beach. At the Albion Beach the concentrations of all heavy metals increased in a shoreward direction while at the Melanie Beach the concentrations of all heavy metals decreased in a shoreward direction.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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