MétaCan
Menu
Retour à la cohorte
Enregistrement W2339970652 · doi:10.2166/ws.2001.0018

Change in the water quality of industrial channels due to resuspension of sediments contaminated with heavy metals

2001· article· en· W2339970652 sur OpenAlexaffabout
Анна Давыдовна Дегтярева, Maria Elektorowicz

Notice bibliographique

RevueWater Science & Technology Water Supply · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésDredgingAnoxic watersWater columnEnvironmental scienceSedimentWater qualityEnvironmental chemistryEnvironmental remediationGenetic algorithmContaminationEnvironmental engineeringChemistryGeologyOceanographyEcology

Résumé

récupéré en direct d'OpenAlex

Industrial channels were used extensively during the two previous centuries and have become heavily contaminated. This study investigates possible water quality changes in the Lachine Canal (Montreal) due to the release of heavy metals (Cd, Ni, Zn and Pb) into the water column during resuspension of anoxic sediments subjected to potential remediation. This release can be initiated by dredging activities for sediment removal. Equilibrium in the water from the Lachine Canal has been calculated using the program EQUILIB from the software FACT. The speciation of heavy metals in the water column was calculated with and without a solid phase before and after possible dredging. Speciation of heavy metals in pore water of anoxic sediments has been calculated, taking into account that corresponding sulfides are the solid phases controlling their solubility. The concentration of heavy metals under anoxic conditions considered could decrease by 8 orders of magnitude. The impact of various scenarios in the area of concern was reviewed from an ecotoxicological perspective. Dredging can possibly change the redox and acid–base conditions in the water column. The impact of dredging will be less if sediments contain calcium. Dredging can lead to an increase in the concentration of heavy metals in the water column and a change of metal speciation.

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)0,004
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 seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,003
Communication savante0,0000,001
Science ouverte0,0020,001
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 Opus0,045
Tête enseignante GPT0,282
Écart entre enseignants0,237 · 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

Citations2
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Science & Technology Water SupplyMême sujetHeavy metals in environmentTravaux en français237 207