MétaCan
Menu
Retour à la cohorte
Enregistrement W1966270523 · doi:10.1144/1467-7873/05-089

Metal emissions from a Cu smelter, Rouyn-Noranda, Quebec: characterization of particles sampled in air and snow

2006· article· en· W1966270523 sur OpenAlexaffabout
Christian Zdanowicz, C. M. Banic, Doğan Paktunç, Deborah A. Kliza-Petelle

Notice bibliographique

RevueGeochemistry Exploration Environment Analysis · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensGeological Survey of Canada
Organismes subventionnairesnon disponible
Mots-clésSnowSmeltingEnvironmental scienceCharacterization (materials science)MetalEnvironmental chemistryAtmospheric sciencesMetallurgyMeteorologyGeologyGeographyMaterials scienceChemistryNanotechnology

Résumé

récupéré en direct d'OpenAlex

Particles were sampled in air and snow near a Cu smelter in Rouyn-Noranda, Québec, as part of a study of airborne metal emissions. An analytical scanning electron microscope (SEM) was used to measure the size and elemental composition of >38 000 individual particles. Metal-bearing (Me-) particles account for c. 58% of all particles in the smelter plume, but only c. 15% in ambient air or snow. The dominant Me-particle type in snow is Fe–S–Cu but Zn–S, Fe–S, and Cu–S are also common. Pb is dominant in air-filtered particles, even those collected far (>60 km) from the smelter. Me-particles in snow are compositionally more variable and complex than in the smelter plume or ambient air, suggesting that Me-particles settling from the plume in snow are chemically transformed in the process, possibly by heterogeneous reaction(s) with other aerosols (e.g. salt particles) and/or gases (e.g. SO 2 ). The size distribution of Me-particles in the smelter plume is broader than in snow or ambient air, owing to a larger proportion of sub-micrometre particles in the plume and/or the loss of fine water-soluble Me-particles in snow meltwater. However, the size distribution of different Me-particle groupings (e.g. As-bearing compared to Cd-bearing particles) is not significantly different within the size range measured.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,105

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,243
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeochemistry Exploration Environment AnalysisMême sujetAir Quality and Health ImpactsTravaux en français237 207