MétaCan
Menu
Retour à la cohorte
Enregistrement W2805585382 · doi:10.2166/wqrj.2001.001

A Computer Simulation of Water Quality Change Due to Dredging of Heavy Metals Contaminated Sediments in the Old Harbour of Montreal

2001· article· en· W2805585382 sur OpenAlexaffabout
Antonina Degtiareva, Maria Elektorowicz

Notice bibliographique

RevueWater Quality Research Journal · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésDredgingWater columnAnoxic watersEnvironmental chemistryEnvironmental scienceWater qualitySedimentGenetic algorithmEnvironmental engineeringChemistryGeologyOceanographyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Aquatic sediments accumulate heavy metals that are discharged into the environment. This study investigates possible water quality changes due to release of heavy metals such as Cd, Ni, Zn and Pb into the water column during dredging of anoxic sediments in the Old Harbour of Montreal. An environmental impact assessment of the sediment removal requires estimating the speciation of heavy metals in the water column with and without the solid phase. Chemical equilibria in the St. Lawrence River water are calculated using the program EQUILIB from the software FACT. Results show that the water is oversaturated with respect to CaMg(CO3)2 and Fe(OH)3. It is speculated that (ZnO)(Fe2O3) and (NiO)(Fe2O3) control the solubility of Zn and Ni in the water. The speciation of heavy metals in pore water of anoxic sediments is calculated, taking into account that the corresponding sulfides are solid phases and control their solubility. The impact of various scenarios on the area of concern is reviewed from an ecotoxicological perspective. Dredging might change the redox and acid-base conditions in the water column. Dredging can lead to an increase in the concentration of heavy metals in the water column and a change of metal speciation, but its impact will be less visible if the sediments contain high levels of calcium acting as a buffer.

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)0,025
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,585
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0250,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,183
Tête enseignante GPT0,418
Écart entre enseignants0,236 · 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 tête enseignante, 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

Citations5
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Quality Research JournalMême sujetHeavy metals in environmentTravaux en français237 207