Estimating mineral surface area and acid sensitivity of forest soils in Kitimat, British Columbia
Notice bibliographique
Résumé
In 2012, the Rio Tinto aluminum smelter in Kitimat, British Columbia increased sulphur dioxide (SO2) emissions from 27 to 42 tonnes/day. An initial study was conducted to investigate the effect of the increased sulphur (S) deposition on forest soils. A key uncertainty of the initial study was mineral surface area estimations that were applied to critical load calculations. The current study investigates the effect of organic matter (OM) removal techniques on mineral surface area and the ability to predict mineral surface area using pedotransfer functions (PTFs). Mineral surface area was measured on bulk soil samples using BET gas-adsorption. Organic matter was removed from soil samples prior to surface area measurements using a sodium hypochlorite treatment (NaOCl), loss on ignition (LOI) and no treatment. Removal techniques were found to affect surface area measurements; decreasing in the order of LOI> untreated> NaOCl. Particle-size based PTFs developed from other regions were not significantly correlated with measured surface area. A regionally-specific particle-size based function had stronger predictive value of surface area measurements (adjusted R2=0.82). The PTF that best reflected surface area measurements of bulk soil for the Kitimat area used particle-size data as well as kaolinite, the most abundant clay mineral in the region. Surface area values estimated using the particle-size PTF were applied to the PROFILE model to calculate weathering rates. Weathering rates were then input to critical load calculations using steady-state mass balance. These estimates predicted that none of the 24 measured sites are receiving SO2 deposition in exceedance of their critical load. Author Keywords: acid deposition, critical loads, mineral surface area, mineral weathering, pedotransfer functions, PROFILE
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 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».