MétaCan
Menu
Retour à la cohorte
Enregistrement W2332585036 · doi:10.1021/es3048027

Use and Legacy of Mercury in the Andes

2013· article· en· W2332585036 sur OpenAlexaff
Colin A. Cooke, Holger Hintelmann, Jay J. Ague, Richard L. Burger, Harald Biester, Julian P. Sachs, Daniel R. Engstrom

Notice bibliographique

RevueEnvironmental Science & Technology · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensTrent University
Organismes subventionnairesnon disponible
Mots-clésCinnabarMercury (programming language)PrehistoryPollutionGeologyGeochemistryArchaeologyEarth scienceGeographyMineralogyEcology

Résumé

récupéré en direct d'OpenAlex

Both cinnabar (HgS) and metallic mercury (Hg(0)) were important resources throughout Andean prehistory. Cinnabar was used for millennia to make vermillion, a red pigment that was highly valued in pre-Hispanic Peru; metallic Hg(0) has been used since the mid-16th century to conduct mercury amalgamation, an efficient process of extracting precious metals from ores. However, little is known about which cinnabar deposits were exploited by pre-Hispanic cultures, and the environmental consequences of Hg mining and amalgamation remain enigmatic. Here we use Hg isotopes to source archeological cinnabar and to fingerprint Hg pollution preserved in lake sediment cores from Peru and the Galápagos Islands. Both pre-Inca (pre-1400 AD) and Colonial (1532-1821 AD) archeological artifacts contain cinnabar that matches isotopically with cinnabar ores from Huancavelica, Peru, the largest cinnabar-bearing district in Central and South America. In contrast, the Inca (1400-1532 AD) artifacts sampled are characterized by a unique Hg isotopic composition. In addition, preindustrial (i.e., pre-1900 AD) Hg pollution preserved in lake sediments matches closely the isotopic composition of cinnabar from the Peruvian Andes. Industrial-era Hg pollution, in contrast, is distinct isotopically from preindustrial emissions, suggesting that pre- and postindustrial Hg emissions may be distinguished isotopically in lake sediment cores.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,350
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,004
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,235
Écart entre enseignants0,221 · 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

Citations118
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetMercury impact and mitigation studiesTravaux en français237 207