MétaCan
Menu
Retour à la cohorte
Enregistrement W1995023761 · doi:10.1021/es050945m

Tracking Toxaphene in the North American Great Lakes Basin. 1. Impact of Toxaphene Residues in United States Soils

2005· article· en· W1995023761 sur OpenAlexaboutno aff
Jianmin Ma, S. Venkatesh, Yifan Li, S. M. Daggupaty

Notice bibliographique

RevueEnvironmental Science & Technology · 2005
Typearticle
Langueen
DomaineChemistry
ThématiqueAnalytical Chemistry and Chromatography
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésToxapheneEnvironmental scienceSoil waterStructural basinEnvironmental protectionEnvironmental chemistryPesticideChemistryGeologySoil scienceEcologyBiology

Résumé

récupéré en direct d'OpenAlex

A coupled atmospheric transport model was employed to study six scenarios to assess the contribution of reemission and long-range transport of toxaphene from different sources in the United States to its environmental fate in the Great Lakes ecosystem in the year 2000. Modeled air concentrations at the first model level (1.5 m) range from less than 5 pg m(-3) over the upper Great lakes (Lakes Superior and Huron) to several tens of picograms per cubic meter over the lower Great Lakes (Lakes Erie and Ontario) in the summer but drop off to the range from 0.05 to 2 pg m(-3) in the wintertime. The modeled toxaphene depositions to the lakes suggest a decreasing trend from the mid-1990s to 2000. Modeling results showed that, on an annual basis, for the Great Lakes basin as a whole, the southeast U.S. sources made the largest contribution to the toxaphene air concentrations and dry and wet depositions at 72%, 78%, and 88% respectively. The model results also showed that a significant proportion of these contributions occur during relatively short episodic events due primarily to the interseasonal changes in atmospheric circulation patterns.

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 enseignants0,236
Score d'incertitude au seuil0,470

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,006
Tête enseignante GPT0,237
Écart entre enseignants0,231 · 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

Citations25
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetAnalytical Chemistry and ChromatographyTravaux en français237 207