MétaCan
Menu
← Retour à la cohorte
Enregistrement W2050107698 · doi:10.1021/es801731z

Hydrocarbon Contamination Increases the Liquid Water Content of Frozen Antarctic Soils

2008· article· en· W2050107698 sur OpenAlexaff
Steven D. Siciliano, Alexis N. Schafer, Michelle A. M. Forgeron, Ian Snape

Notice bibliographique

RevueEnvironmental Science & Technology · 2008
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensPlant Biotechnology InstituteUniversity of Saskatchewan
Organismes subventionnairesAustralian Antarctic Division
Mots-clésSoil waterLoamEnvironmental chemistryDiesel fuelEnvironmental scienceContaminationLiquid water contentSoil contaminationChemistrySoil science

Résumé

récupéré en direct d'OpenAlex

We do not yet understand why fuel spills can cause greater damage in polar soils than in temperate soils. The role of water in the freezing environment may partly be responsible for why polar soils are more sensitive to pollution. We hypothesized that hydrocarbons alter the liquid water in frozen soil, and we evaluated this hypothesis by conducting laboratory and field experiments at Casey Station, Antarctica. Liquid water content in frozen soils (theta(liquid)) was estimated by time domain reflectometry in laboratory, field collected soils, and in situ field measurements. Our results demonstrate an increase in liquid water associated with hydrocarbon contamination in frozen soils. The dependence of theta(liquid) on aged fuel and spiked fuel were almost identical,with a slope of 2.6 x 10(-6) mg TPH (total petroleum hydrocarbons) kg(-1) for aged fuel and 3.1 x 10(-6) mg TPH kg(-1) for spiked fuel. In situ measurements found theta(liquid) depends, r2 = 0.75, on fuel for silt loam soils (theta(liquid) = 0.094 + 7.8 x 10(-6) mg TPH kg(-1)) but not on fuel for silt clay loam soils. In our study, theta(liquid) doubled in field soils and quadrupled in laboratory soils contaminated with diesel which may have profound implications on frost heave models in contaminated soils.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

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 savante0,0010,000
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 Opus0,023
Tête enseignante GPT0,198
Écart entre enseignants0,176 · 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

Citations18
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & Technology→Même sujetClimate change and permafrost→Travaux en français237 207→