MétaCan
Menu
Retour à la cohorte
Enregistrement W1968612687 · doi:10.1021/es100549v

Metolachlor and Atrazine in the Great Lakes

2010· article· en· W1968612687 sur OpenAlexafffundabout
Perihan Binnur Kurt-Karakuş, Derek C. G. Muir, Terry F. Bidleman, Jeff Small, Sean Backus, Alice Dove

Notice bibliographique

RevueEnvironmental Science & Technology · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePesticide and Herbicide Environmental Studies
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaHealth CanadaUniversity of Guelph
Mots-clésMetolachlorAtrazinePesticideEnvironmental scienceEnvironmental chemistryHydrology (agriculture)ChemistryEcologyBiologyGeology

Résumé

récupéré en direct d'OpenAlex

Concentrations of atrazine and metolachlor and stereoisomer fractions (SF = herbicidally active/total stereoisomers) of metolachlor were determined in 101 surface water samples collected from the five Laurentian Great Lakes in 2005-2006. Geometric mean (GM) concentrations of atrazine ranged from 5.5 to 61 ng L(-1), decreasing from lakes Ontario approximately Michigan approximately Erie > Huron > Superior, while metolachlor concentrations ranged from 0.28 to 14 ng L(-1) and showed similar trends among the lakes. Median SFs ranged from 0.527 (Superior) to 0.844 (Erie) with an overall value of 0.708, and were significantly different among the Great Lakes (p < 0.05), except for Michigan vs Huron and Michigan vs Ontario. The SF in Erie was closest to that of the dominant product in use, S-metolachlor (SF = 0.880), while Superior showed an SF similar to that of racemic metolachlor (SF = 0.500). The median SFs in lakes Ontario, Huron and Erie were significantly lower than the median SF in Ontario stream samples collected in 2006-2007. The lower SFs in lakes suggest in-lake stereoselective processing of metolachlor or hold-up of older racemic metolachlor residues.

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 enseignants0,917
Score d'incertitude au seuil0,164

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,005
Tête enseignante GPT0,212
Écart entre enseignants0,206 · 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

Citations29
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetPesticide and Herbicide Environmental StudiesTravaux en français237 207