MétaCan
Menu
Retour à la cohorte
Enregistrement W2314781497 · doi:10.1021/es503797d

Chemical Footprint Method for Improved Communication of Freshwater Ecotoxicity Impacts in the Context of Ecological Limits

2014· article· en· W2314781497 sur OpenAlexaff
Anders Bjørn, Miriam L. Diamond, Morten Birkved, Michael Zwicky Hauschild

Notice bibliographique

RevueEnvironmental Science & Technology · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Impact and Sustainability
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEcotoxicityEnvironmental scienceContext (archaeology)Ecological footprintMetropolitan areaEnvironmental protectionFootprintEnvironmental engineeringEnvironmental resource managementEcologySustainable developmentGeographyBiology

Résumé

récupéré en direct d'OpenAlex

The ecological footprint method has been successful in communicating environmental impacts of anthropogenic activities in the context of ecological limits. We introduce a chemical footprint method that expresses ecotoxicity impacts from anthropogenic chemical emissions as the dilution needed to avoid freshwater ecosystem damage. The indicator is based on USEtox characterization factors with a modified toxicity reference point. Chemical footprint results can be compared to the actual dilution capacity within the geographic vicinity receiving the emissions to estimate whether its ecological limit has been exceeded and hence whether emissions can be expected to be environmentally sustainable. The footprint method was illustrated using two case studies. The first was all inventoried emissions from European countries and selected metropolitan areas in 2004, which indicated that the dilution capacity was likely exceeded for most European countries and all landlocked metropolitan areas. The second case study indicated that peak application of pesticides alone was likely to exceed Denmark's freshwater dilution capacity in 1999-2011. The uncertainty assessment showed that better spatially differentiated fate factors would be useful and pointed out other major sources of uncertainty and some opportunities to reduce these.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,110
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,004
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,009
Tête enseignante GPT0,265
Écart entre enseignants0,256 · 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'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

Citations71
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetEnvironmental Impact and SustainabilityTravaux en français237 207