MétaCan
Menu
Retour à la cohorte
Enregistrement W2068352917 · doi:10.1029/2003gl017308

The fate of mercury species in a sub‐arctic snowpack during snowmelt

2003· article· en· W2068352917 sur OpenAlexaffabout
Aurélien Dommergue, Christophe Ferrari, Pierre‐Alexis Gauchard, Claude F. Boutron, Laurier Poissant, Martin Pilote, Petru Jitaru, F. Adams

Notice bibliographique

RevueGeophysical Research Letters · 2003
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesCentre National de la Recherche Scientifique
Mots-clésSnowpackMeltwaterSnowmeltSnowMercury (programming language)MethylmercuryArcticEnvironmental scienceAtmospheric sciencesEnvironmental chemistryOceanographyGeologyChemistryBioaccumulationGeomorphology

Résumé

récupéré en direct d'OpenAlex

An extensive mercury study was conducted in April 2002 prior to and during the annual melting of a snowpack in a sub‐arctic site along the Hudson Bay (Canada). Gas‐phase measurements show that the snowmelt coincides with an elemental mercury (Hg°) pulse in the snowpack air far above ambient levels. Additional measurements of inorganic mercury (Hg2+) and methylmercury (MeHg+) in snow pits, in surface snow and in a meltwater sample clearly reveal that most of Hg is removed from the snow during the first days of snowmelt. We estimate that gas‐phase exchanges contribute poorly to remove Hg from the snowpack; consequently during a snowmelt day more than 90% of Hg present in the snow surface is likely released with the meltwater. In arctic areas, where Hg accumulates at an accelerated rate in the snow surfaces [ Lu et al., 2001 ] during mercury depletion events (MDE), the discharge of this toxic and bio‐accumulating pollutant in water systems could be a threat to ecosystems and local indigenous populations.

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 enseignants0,117
Score d'incertitude au seuil0,232

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,038
Tête enseignante GPT0,308
Écart entre enseignants0,270 · 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

Citations129
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetMercury impact and mitigation studiesTravaux en français237 207