MétaCan
Menu
Retour à la cohorte
Enregistrement W3009667123 · doi:10.1038/s41467-020-14699-x

Aggravation of reactive nitrogen flow driven by human production and consumption in Guangzhou City China

2020· article· en· W3009667123 sur OpenAlexfundno aff
Yue Dong, Linyu Xu, Zhifeng Yang, Hanzhong Zheng, Lei Chen

Notice bibliographique

RevueNature Communications · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Nuclear Safety CommissionMinistero degli Affari Esteri e della Cooperazione InternazionaleNational Natural Science Foundation of China
Mots-clésProduction (economics)Environmental scienceConsumption (sociology)ChinaReactive nitrogenHuman healthNitrogenEnvironmental protectionGeographyEnvironmental healthChemistryEconomics

Résumé

récupéré en direct d'OpenAlex

Human activities reshape the global nitrogen (N) cycle and affect environment and human health through reactive nitrogen (Nr) loss during production and consumption. In urbanized regions, the N cycle is greatly mediated by complex interactions between human and natural factors. However, the variations in sources, magnitude, spatiotemporal patterns and drivers of Nr flows remain unclear. Here we show by model simulations, anthropogenic perturbations not only intensify Nr input to sustain increasing demands for production and consumption in Guangzhou city, China, but also greatly change the Nr distribution pattern in the urban system, showing a substantial Nr enrichment in the atmosphere and a relatively low retention capacity of Nr in the terrestrial system. Our results highlight the strong anthropogenic effect of urban systems on the N cycle to suggest sustainable human activity changes to harmonize the relationship between Nr behaviors and human drivers.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,218
Score d'incertitude au seuil0,434

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
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 Opus0,025
Tête enseignante GPT0,261
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 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

Citations84
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207