MétaCan
Menu
Retour à la cohorte
Enregistrement W2188285369

Heavy metal contamination in sediments of a riparian area in San Luis Potosi, Mexico Contaminación por metales pesados en sedimentos de un área ribereña en San Luis Paotosí, México

2014· article· es· W2188285369 sur OpenAlexaboutno aff
Jorge Alonso Alcalá Jáuregui, Juan Carlos Rodríguez Ortiz, Alejandra Hernández Montoya, Federico Villarreal‐Guerrero, Alejandra Cabrera Rodríguez, F. Alfredo, Beltrán Morales, Paola Elizabeth Díaz Flores

Notice bibliographique

RevueRevista de la Facultad de Ciencias Agrarias UNCuyo · 2014
Typearticle
Languees
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSedimentRiparian zoneEnvironmental sciencePollutionCadmiumEnvironmental chemistryContaminationForestryHeavy metalsGeographyHydrology (agriculture)EcologyChemistryGeologyBiologyHabitatGeomorphology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to determine the presence of heavy metal in sediments of a fragmented riparian area, as an indicator of environmental pollution in San Luis Potosi, Mexico. Eleven sampling points, including four different land uses were established: Pond, Agriculture, Livestock and Rural Settlement. Sediment samples were taken during the seasons of spring, summer and autumn 2010, and winter 2011. The technique of ICP-MS was used to determine Pb, Cd, Cu, and Zn data analysis was performed with Minitab®. Land use has an effect on the accumulation of Cu, Zn and Cd, with the agricultural area containing the highest concentrations. The season was a significant factor for concentrations of Zn, Cd and Pb, emphasizing spring 2010 and autumn 2010, respectively. Significant correlations were found between Cu-Zn (r = 0.746), Pb-Cu (r = 0.635) and Cd-Zn (r = 0.720). The normal limits of Cu, Cd, Zn and Pb in sediments established by the Canadian Environmental Quality Guidelines were exceeded. By using other scientific and technical sources, maximum levels of Cu, Cd and Pb were defined with a condition of high pollution. This condition is attributed to the land RESUMEN

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)0,012
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,161
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,253
Écart entre enseignants0,244 · 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.

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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista de la Facultad de Ciencias Agrarias UNCuyoMême sujetHeavy metals in environmentTravaux en français237 207