MétaCan
Menu
Retour à la cohorte
Enregistrement W2174693667 · doi:10.1579/0044-7447-32.3.183

Decreased Acid Deposition and the Chemical Recovery of Killarney, Ontario, Lakes

2003· article· en· W2174693667 sur OpenAlexaffabout
Wendel Keller, Jocelyne Heneberry, Sushil S. Dixit

Notice bibliographique

RevueAMBIO · 2003
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMine drainage and remediation techniques
Établissements canadiensLaurentian UniversityMinistry of the Environment, Conservation and Parks
Organismes subventionnairesnon disponible
Mots-clésAcid depositionDeposition (geology)Environmental chemistryChemistryEnvironmental scienceGeologySoil scienceGeomorphologySediment

Résumé

récupéré en direct d'OpenAlex

Lakes in Killarney Park near Sudbury, Ontario, Canada, have shown dramatic water quality changes including general increases in pH and alkalinity, and decreases in SO4(2-), base cations and metals. While some lakes have recovered to pH > 6.0, many are still highly acidic despite decades of improvement. Very high historical S deposition related to emissions from the Sudbury metal smelters dominated the acidification process in this region. However, since the implementation of substantial S emission controls (90%) at the smelters, the Sudbury emissions are no longer the major source of S deposition in the Sudbury area. Wet deposition of SO4(2-) and SO4(2-) concentrations in lakewaters at Killarney now approach values in the Dorset, Ontario, area, about 200 km from Sudbury. This suggests that the S deposition to the Killarney area is now primarily from long-range transport, not from local sources. Studies of Killarney lakes are revealing the complex nature of the chemical recovery process. As lake acidity decreases, other changes including decreased Ca2+ concentrations, increased transparency, and altered thermal regimes may potentially affect some of these ecosystems. It is clear that continuing assessments of the recovery of Killarney lakes, within a multiple-stressor framework, are needed.

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 enseignants0,058
Score d'incertitude au seuil0,118

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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,188
Écart entre enseignants0,184 · 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

Citations78
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAMBIOMême sujetMine drainage and remediation techniquesTravaux en français237 207