MétaCan
Menu
Retour à la cohorte
Enregistrement W2349943475

DISTRIBUTION OF HEAVY METALS IN SEDIMENTS IN LAKES IN WUHAN WITH ASSESSMENT ON THEIR POTENTIAL ECOLOGICAL RISK

2005· article· en· W2349943475 sur OpenAlexaboutno aff
Junhong Tang

Notice bibliographique

RevueChangjiang liuyu ziyuan yu huanjing · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Quality and Pollution
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSedimentEnvironmental scienceBiotaHeavy metalsHydrology (agriculture)EcologyWater qualityEnvironmental chemistryGeologyChemistryGeomorphologyBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Distribution and characteristics of heavy metals(Hg、Cd、Cu、Pb、Zn、As、Cr、Ni) in sediment columns from six lakes in Wuhan were investigated. The results demonstrated that the concentrations of heavy metals in lakes in urban area are invariably higher than sediments from lakes in suburb area, and the concentration of heavy metals in top sediment of the urban polluted lakes show some degree of accumulation when compared with deeper sediments in lake sediment columns, while heavy metals show no significant change among sediment columns in suburb lakes. Potential ecological risk index and fresh water sediment quality criteria were then used to assess the heavy metals ecological risk, which leld us to conclude that the potential risk order of elements were Cd Hg As Cu PbZn; Moshu Lake is of the highest potential risk, Jinying Lake ranks the second, while the others have relatively small risk. But, overall, the potential ecological risk of investigated lakes in Wuhan is light, at least not very serious. With reference to the threshold obtained by Canadian ecological databank of sediment baseline, heavy metals in sediments of some lakes of relatively higher risk index may press negative effects to biota within the lake.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,016
Tête enseignante GPT0,254
Écart entre enseignants0,238 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations11
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChangjiang liuyu ziyuan yu huanjingMême sujetEnvironmental Quality and PollutionTravaux en français237 207