MétaCan
Menu
Retour à la cohorte
Enregistrement W2581132316 · doi:10.1016/j.scitotenv.2017.01.110

Source apportionment of ambient fine and coarse particulate matter at the Fort McKay community site, in the Athabasca Oil Sands Region, Alberta, Canada

2017· article· en· W2581132316 sur OpenAlexfundaboutno aff
Matthew S. Landis, Joseph Patrick Pancras, Joseph R. Graney, Emily M. White, Eric S. Edgerton, A.H. Legge, Kevin E. Percy

Notice bibliographique

RevueThe Science of The Total Environment · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensnon disponible
Organismes subventionnairesWood Buffalo Environmental AssociationAcademia Oamenilor de Știință din România
Mots-clésApportionmentParticulatesOil sandsEnvironmental scienceMining engineeringGeographyGeologyArchaeologyChemistryAsphalt

Résumé

récupéré en direct d'OpenAlex

An ambient air particulate matter sampling study was conducted at the Wood Buffalo Environmental Association (WBEA) AMS-1 Fort McKay monitoring station in the Athabasca Oil Sand Region (AOSR) in Alberta, Canada from February 2010 to July 2011. Daily 24 h integrated fine (PM 2.5 ) and coarse (PM 10–2.5 ) particulate matter was collected using a sequential dichotomous sampler. Over the duration of the study, 392 valid daily dichotomous PM 2.5 and PM 10–2.5 sample pairs were collected with concentrations of 6.8 ± 12.9 μg m − 3 (mean ± standard deviation) and 6.9 ± 5.9 μg m − 3 , respectively. A subset of 100 filter pairs was selected for element analysis by energy dispersive X-ray fluorescence and dynamic reaction cell inductively coupled plasma mass spectrometry. Application of the U.S. EPA positive matrix factorization (PMF) receptor model to the study data matrix resolved five PM 2.5 sources explaining 96% of the mass including oil sands upgrading (32%), fugitive dust (26%), biomass combustion (25%), long-range Asian transport lead source (9%), and winter road salt (4%). An analysis of historical PM 2.5 data at this site shows that the impact of smoke from wildland fires was particularly high during the summer of 2011. PMF resolved six PM 10–2.5 sources explaining 99% of the mass including fugitive haul road dust (40%), fugitive oil sand (27%), a mixed source fugitive dust (16%), biomass combustion (12%), mobile source (3%), and a local copper factor (1%). Results support the conclusion of a previous epiphytic lichen biomonitor study that near-field atmospheric deposition in the AOSR is dominated by coarse fraction fugitive dust from bitumen mining and upgrading operations, and suggest that fugitive dust abatement strategies targeting the three major sources of PM 10–2.5 (e.g., oil sand mining, haul roads, bulk material stockpiles) would significantly reduce near-field atmospheric deposition gradients in the AOSR and reduce ambient PM concentrations in the Fort McKay community.

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)0,001
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 enseignants0,053
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,210
Écart entre enseignants0,197 · 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

Citations110
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Science of The Total EnvironmentMême sujetHeavy metals in environmentTravaux en français237 207