MétaCan
Menu
Retour à la cohorte
Enregistrement W2552635721 · doi:10.1021/acs.est.6b04276

The Estimated Six-Year Mercury Dry Deposition Across North America

2016· article· en· W2552635721 sur OpenAlexaff
Leiming Zhang, Zhiyong Wu, Irene Cheng, L. Paige Wright, Mark L. Olson, David A. Gay, Martin R. Risch, Steven B. Brooks, Mark S. Castro, Gary D. Conley, Eric S. Edgerton, Thomas M. Holsen, Winston T. Luke, Robert Tordon, P. S. Weiss‐Penzias

Notice bibliographique

RevueEnvironmental Science & Technology · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésMercury (programming language)Environmental scienceEnvironmental chemistryChemistry

Résumé

récupéré en direct d'OpenAlex

Dry deposition of atmospheric mercury (Hg) to various land covers surrounding 24 sites in North America was estimated for the years 2009 to 2014. Depending on location, multiyear mean annual Hg dry deposition was estimated to range from 5.1 to 23.8 μg m –2 yr –1 to forested canopies, 2.6 to 20.8 μg m –2 yr –1 to nonforest vegetated canopies, 2.4 to 11.2 μg m –2 yr –1 to urban and built up land covers, and 1.0 to 3.2 μg m –2 yr –1 to water surfaces. In the rural or remote environment in North America, annual Hg dry deposition to vegetated surfaces is dominated by leaf uptake of gaseous elemental mercury (GEM), contrary to what was commonly assumed in earlier studies which frequently omitted GEM dry deposition as an important process. Dry deposition exceeded wet deposition by a large margin in all of the seasons except in the summer at the majority of the sites. GEM dry deposition over vegetated surfaces will not decrease at the same pace, and sometimes may even increase with decreasing anthropogenic emissions, suggesting that Hg emission reductions should be a long-term policy sustained by global cooperation.

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, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,461
Score d'incertitude au seuil1,000

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 technologies0,0020,009
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,003

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 Opus0,008
Tête enseignante GPT0,251
Écart entre enseignants0,243 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations84
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

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