MétaCan
Menu
Retour à la cohorte
Enregistrement W2767333045 · doi:10.1039/c7em00393e

Legacy organochlorine pollutants in glacial watersheds: a review

2017· review· en· W2767333045 sur OpenAlexaff
Kimberley Miner, Jules M. Blais, Christian Bogdal, Sara Villa, Margit Schwikowski, П. Павлова, Christine Steinlin, Christopher Gerbi, K. J. Kreutz

Notice bibliographique

RevueEnvironmental Science Processes & Impacts · 2017
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueToxic Organic Pollutants Impact
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesRobert and Patricia Switzer FoundationU.S. Department of DefenseNational Science Foundation
Mots-clésGlacierPollutantOrganochlorine pesticideEnvironmental scienceGlacial periodEnvironmental chemistryGeographyGeologyPhysical geographyEcologyPesticideChemistryGeomorphologyBiology

Résumé

récupéré en direct d'OpenAlex

Northern Hemisphere alpine glaciers have been identified as a point of concentration and reemergence of legacy organochlorine pollutants (OCPs). In this review, we compile a selection of published literature combining long-range, global atmospheric transport and distribution-based compartmental environmental flux models, as well as data from glacial meltwater, ice core, crevasse and proglacial lake sediment studies. Regional studies of ice and meltwater in alpine glaciers of the northern latitudes show similarities in sample deposition profiles and concentration due to chemical atmospheric residence time, precipitation type and glacier flow rates. In glaciated locations near areas of extensive OCPs use, such as the Swiss and Italian Alps, glacier sample concentrations are higher, while in areas more distant from use, including Arctic nations, OCPs concentrations in glaciers are significantly lower. Our review identifies alpine glaciers co-located with regions characterized by OCPs use as a significant organochlorine pollutant distribution source, secondary in timing and location to direct deposition, with subsequent bioaccumulation and potential human risk impacts.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,006
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,043
Tête enseignante GPT0,337
Écart entre enseignants0,295 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations48
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science Processes & ImpactsMême sujetToxic Organic Pollutants ImpactTravaux en français237 207