Utilization of bathymetry data to examine lead sediment contamination distributions in Lake Ontario
Notice bibliographique
Résumé
Bathymetry data offer interesting opportunities for the analysis of contaminant distribution patterns. This research utilized lead surficial sediment sample data from Lake Ontario that were collected by the Canada Centre for Inland Waters in 1968 and 1998. Traditionally, two-dimensional analyses such as dot maps or proportional circle representation have been utilized to examine pollutant levels. Generating area estimates allows for expanded spatial analysis of contaminant distribution patterns. Lake-wide surfaces were derived using the ordinary kriging technique. These were then layered on bathymetry data to examine three-dimensional relationships between observed pollution patterns and lake-bottom features. Spatial variability was observed in both the 1968 and 1998 datasets. Contamination levels in 1998 dropped substantially, especially in areas that were previously the most heavily polluted and above the Probable Effect Level (4660.23 km2 or 26.72% of the common analysis area lake-bottom in 1998 versus 6189.07 km2 or 62.00% in 1968). Conversely, areas below the Threshold Effect Level increased from 922.09 km2 (5.29%) in 1968 to 3484.22 km2 (19.98%) in 1998. In both years, shallow and sill/ridge areas tended to have lower levels of contamination than deeper lake basins or contaminant inflow areas. The 1968 dataset likely provides a more detailed estimation surface as there were more points available for interpolation procedures. The kriging surfaces when combined with bathymetry, sedimentology information, and knowledge of physical processes provide a comprehensive illustration of the contaminant distributions whether they are high (1968) or when loadings are significantly reduced (1998). The results have implications for future sediment assessment programs and survey design on a lake-wide basis. The bathymetry data allowed for enhanced interpretation and an improved understanding of observed lead pollution patterns.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».