MétaCan
Menu
Retour à la cohorte
Enregistrement W2053195349 · doi:10.1021/es051861g

Temporal and Spatial Trends of Organochlorine Pesticides in Great Lakes Precipitation

2006· article· en· W2053195349 sur OpenAlexaff
Ping Sun, Sean Backus, Pierrette Blanchard, Ronald A. Hites

Notice bibliographique

RevueEnvironmental Science & Technology · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueToxic Organic Pollutants Impact
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésDieldrinPesticideEndosulfanHexachlorobenzeneChlordaneSnowEnvironmental scienceLindaneEnvironmental chemistryAldrinPrecipitationOrganochlorine pesticideHeptachlorDeposition (geology)HexachlorocyclohexanePersistent organic pollutantHydrology (agriculture)PollutantChemistryEcologyGeographySedimentGeologyMeteorologyBiology

Résumé

récupéré en direct d'OpenAlex

Organochlorine pesticide concentrations in precipitation samples collected from 1997 to 2003 at seven Integrated Atmospheric Deposition Network sites around the Great Lakes are reported. The 28-day volume weighted mean concentrations of several pesticides, including gamma-hexachlorocyclohexane (HCH), endosulfan, hexachlorobenzene, chlordane, and DDE, showed significant seasonal trends. For current-use pesticides (endosulfan and gamma-HCH), their concentrations peaked in late spring to summer just after their agricultural application. For the banned pesticides, higher concentrations were observed in the winter due to their enhanced partitioning to particles and scavenging by snow. Long-term decreasing trends were observed for several pesticides such as gamma-HCH and DDE. On the other hand, beta-HCH showed significant increasing concentrations as a function of time at Brule River, Eagle Harbor, and Sleeping Bear Dunes. Generally, Chicago had the highest concentration of chlordanes, dieldrin, and DDT, indicating that urban areas could be a source for these compounds to precipitation. For gamma-HCH and endosulfans, Point Petre had the highest concentrations due to the application of these pesticides in the surrounding areas.

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)0,001
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 enseignants0,030
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,004
Tête enseignante GPT0,210
Écart entre enseignants0,205 · 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

Citations55
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetToxic Organic Pollutants ImpactTravaux en français237 207