MétaCan
Menu
Retour à la cohorte
Enregistrement W2421413009 · doi:10.2175/106143016x14504669767256

Approach to Assessing the Effects of Aerial Deposition on Water Quality in the Alberta Oil Sands Region

2016· article· en· W2421413009 sur OpenAlexafffundabout
Shadi Dayyani, Gillian L. Daly, Jerry Vandenberg

Notice bibliographique

RevueWater Environment Research · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueToxic Organic Pollutants Impact
Établissements canadiensGolder Associates (Canada)
Organismes subventionnairesUniversity of TorontoShell Canada
Mots-clésSnowpackSnowmeltOil sandsEnvironmental scienceDeposition (geology)SnowHydrology (agriculture)SedimentEnvironmental chemistryContaminationWater qualityGeologyChemistryGeomorphologyEcology

Résumé

récupéré en direct d'OpenAlex

Snow cover forms a porous medium that acts as a receptor for aerially deposited polycyclic aromatic hydrocarbons (PAHs) and metals. The snowpack, acting as a temporary storage reservoir, releases contaminants accumulating over the winter during a relatively short melt period. This process could result in elevated concentrations of contaminants in melt water. Recent studies in the Alberta oil sands region have documented increases in snowpack and lake sediment concentrations; however, no studies have addressed the fate and transport of contaminants during the snowmelt period. This study describes modelling approaches that were developed to assess potential effects of aerially deposited PAHs and metals to snowpack and snowmelt water concentrations. The contribution of snowmelt to freshwater PAH concentrations is assessed using a dynamic, multi-compartmental fate model, and the contribution to metal concentrations is estimated using a mass-balance approach. The modelling approaches described herein were applied to two watersheds in the Alberta oil sands region for two planned oil sands developments. Accumulation of PAHs in a lake within the deposition zone was also modelled for comparison to observed concentrations.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,211
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,040
Tête enseignante GPT0,322
Écart entre enseignants0,282 · 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

Citations8
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueWater Environment ResearchMême sujetToxic Organic Pollutants ImpactTravaux en français237 207