MétaCan
Menu
Retour à la cohorte
Enregistrement W2900600250 · doi:10.1038/s41598-018-35742-4

Delineating Areas of Past Environmental Degradation near Smelters using Rock Coatings: A Case Study at Rouyn-Noranda, Quebec

2018· article· en· W2900600250 sur OpenAlexafffundabout
David Leverington, Michael Schindler

Notice bibliographique

RevueScientific Reports · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensLaurentian University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSmeltingMineralogyPyroxeneGeologyGeochemistryOlivineMetallurgyMaterials science

Résumé

récupéré en direct d'OpenAlex

Abstract Emissions of SO2 from smelters can promote formation of acid rain, which can dissolve siliceous minerals on exposed rock surfaces and promote the formation of silica gel layers within which detrital and smelter-derived particulates can become trapped. These processes of dissolution and entrapment can result in the formation of rock coatings that contain elevated levels of heavy metals. Between 1927 and 1976, the Horne smelter processed sulfide ore derived from the Rouyn-Noranda region and became one of the largest emitters of particulates and sulfur dioxide in North America, promoting the formation of coatings on nearby rock surfaces. The reflectance spectra of these coatings are relatively flat, with typical reflectance values ranging between ~5% at visible wavelengths and ~16% in the shortwave infrared. Absorption troughs in coating spectra are consistent with the presence of materials including opaline silica, olivine, pyroxene, hydrous phyllosilicates, and sulfates. Classification of Landsat 8 Operational Land Imager data indicates that rock coatings near Rouyn-Noranda comprise a total surface area of ~1.5 km2, nearly all of which is located within ~6 km of the Horne smelter. Remote sensing techniques can used to delineate the geographic extents of coatings near smelters, highlighting areas previously subjected to severe environmental degradation.

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 enseignants0,016
Score d'incertitude au seuil0,115

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,021
Tête enseignante GPT0,245
Écart entre enseignants0,224 · 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

Citations10
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetGeochemistry and Geologic MappingTravaux en français237 207