Influence of Lead Pollution on Cohesive Soil Erodibility using Jet Erosion Tests
Notice bibliographique
Résumé
<p class="1Body">Recent researches were investigated the high concentrations of Lead in Baghdad soils due to the emissions from Leaded fuel of cars, generators, and the industrials. These high concentrations in addition to their impact on human health may impact on the landscape and streambanks and may cause significant issues on soil erodibility. The erosion rate of cohesive soil was usually estimated using two alternative models, excess shear stress model which is depended on two major soil parameters: the critical shear stress, <em>τ<sub>c</sub></em>, and the erodibility coefficient, <em>k<sub>d</sub></em>, and Wilson model which is depended on two mechanistic soil parameters: <em>b<sub>0</sub></em> and <em>b<sub>1</sub></em>. A new miniature version of Jet Erosion Test (“mini” JET) was performed to derive both model parameters. The objective of this study was to investigate the influence of Lead pollution on cohesive soil erodibility using “mini” JET under controlled laboratory setups to predict soil erodibility. In order to observe the Lead contamination on soil erodibility, soil samples were mixed with different quantities of Lead concertation and the samples were packed at ASTM standard mold on two different bulk densities. Results show that the Lead pollution increased soil erodibility when the concentration of Lead increased. An inverse relationship between excess shear stress parameters <em>k<sub>d</sub></em> and <em>τ<sub>c</sub></em> was observed as well as between Wilson model parameters <em>b<sub>0</sub></em> and <em>b<sub>1</sub></em>. The Wilson model parameters were closely resembled the empirical excess shear stress parameters with benefit that Wilson model parameters are mechanistic parameters.</p>
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 | 0,001 | 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 ».