MétaCan
Menu
Retour à la cohorte
Enregistrement W2088523820 · doi:10.1139/s04-077

Applications of data on the mobility of heavy metals in contaminated soil to the definition of site-specific remediation criteria

2005· article· en· W2088523820 sur OpenAlexvenueno aff
Jean‐Sébastien Dubé, Rosa Galvez‐Cloutier

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental remediationFractionationEnvironmental chemistrySoil acidificationContaminationSoil contaminationCadmiumSoil pHHeavy metalsDissolutionChemistryEnvironmental scienceZincSoil waterTitrationSoil scienceInorganic chemistryEcology

Résumé

récupéré en direct d'OpenAlex

More than a decade of research on the fractionation of heavy metals in soil has led scientists and engineers to the conclusion that the mobility of heavy metals can be defined by the relative sensitivity of their solid species to environmental stresses. The following paper presents a procedure to obtain the fractionation of heavy metals during the acidification of the soil and discusses the use such data. The procedure used combines an acid–base titration of the soil with the Tessier scheme of sequential chemical extractions (SCEs). The soil was strongly buffered against acidification by the dissolution of solid carbonates. Cadmium and zinc were nevertheless significantly dissolved by acidification from pH 8 to pH 5. All other heavy metals were dissolved once pH 5 was attained. The most soluble heavy metals were those that had formed less stable acid-soluble and reducible solid species. These results are used as an example to demonstrate the importance of knowing the buffering capacity of the soil and the fractionation of heavy metals to obtain a more rigorous assessment of the mobility of heavy metals and to determine site-specific remediation criteria. Key words: contaminated soil, heavy metals, mobility, sequential chemical extractions, buffering capacity, remediation criteria.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,643
Score d'incertitude au seuil0,236

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,026
Tête enseignante GPT0,248
Écart entre enseignants0,221 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetHeavy metals in environmentTravaux en français237 207