Quantification of Hydrocarbon Contaminants in Meltwater and Sediment in a City Snow Pile
Notice bibliographique
Résumé
Snow collected from roadways in northern climates is not pristine and may contain sand or gravel, deicing agents, litter, and airborne pollutants. Although fate and transport of contaminants in snowmelt has been studied under laboratory conditions, it is unknown whether the same mechanisms apply to a heterogeneous snow pile. This case study sought to identify and quantify organic species in snow pile meltwater in Edmonton, Canada, and estimate the total potential hydrocarbon loading bound to sediment. Analysis of meltwater and sediment samples revealed that most hydrocarbons were present in sediments, with meltwater containing low concentrations (<1 mg L−1) of F2 (>C10–C16) and F3 (>C16–C34) fraction hydrocarbons. Sediments showed detectable levels of F2 and F3 hydrocarbons in ∼21% of the samples tested, with concentrations ranging from approximately 600 to 7,800 mg·kg−1, with average F3 concentrations (the main source of hydrocarbons) well below Canadian guidelines for most samples. The estimated total hydrocarbon loading of the snow pile studied was ∼5.1 t of hydrocarbons. Findings are anticipated to be of value in the establishment of water quality monitoring programs, environmental policy and strategies involving the treatment, disposal, or reuse of residual snow pile sediments.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».