MétaCan
Menu
Retour à la cohorte
Enregistrement W2020196425 · doi:10.1039/c4em00614c

Urban contamination sources reflected in inorganic pollution in urban lake deposits, Bergen, Norway

2015· article· en· W2020196425 sur OpenAlexfundno aff
Malin Andersson, Ola A. Eggen

Notice bibliographique

RevueEnvironmental Science Processes & Impacts · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensnon disponible
Organismes subventionnairesNational Research Council Canada
Mots-clésSedimentPollutionUrban runoffContaminationSurface runoffEnvironmental scienceEnvironmental chemistryStormwaterGrain sizeFirst flushHydrology (agriculture)GeologyChemistryGeomorphologyEcologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

The 7000 years transition from a pristine environment towards a modern city has brought a number of chemical changes and effects to urban lake sediments in Bergen. Metals, such as Pb, Hg, Zn, Cu and Fe, display a large anthropogenic influence and reflect historical point sources that existed within the drainage area from approximately AD 1790 until today. The concentration peaks alternate with intervals of lower concentration due to phases of coarser grained sediment input but also periods of potentially reduced metal influx. All discussed elements, except Cd, increase in concentration with decreasing grain size and also correlate with the amount of clay fraction particles. The results emphasize the importance of considering grain size when interpreting sediment chemistry. Correlation with TOC is not apparent in the same extent. The transition from natural to anthropogenically influenced sediments, which is characterised by a sudden increase of several elements, is accompanied by a reduction in Cd, As and Ni concentration. This is interpreted to be the result of hypoxia, changes in pH and reduced erosional input. Factor analysis and the comparison with reference sediments indicate that the elements Pb, Hg, Zn and Cu most clearly demonstrate man-made pollution. Analyses of stormwater culvert sediments suggest that urban runoff contributes to the pollution load today, with standing building mass and traffic contributing to the load.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,072
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,012
Tête enseignante GPT0,243
Écart entre enseignants0,230 · 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 tête enseignante, pas un consensus.

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

Citations8
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science Processes & ImpactsMême sujetHeavy metals in environmentTravaux en français237 207