MétaCan
Menu
Retour à la cohorte
Enregistrement W3092337089 · doi:10.1002/aws2.1198

Assessing nutrient loading from reclaimed water irrigation using the chemical marker iohexol

2020· article· en· W3092337089 sur OpenAlexaff
Joan Oppenheimer, Kellogg J. Schwab, Joseph G. Jacangelo

Notice bibliographique

RevueAWWA Water Science · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePharmaceutical and Antibiotic Environmental Impacts
Établissements canadiensStantec (Canada)
Organismes subventionnairesWater Research FoundationSouth Florida Water Management DistrictStop! Children's Cancer of Palm Beach County
Mots-clésIohexolReclaimed waterEnvironmental scienceIrrigationEffluentNitrateEnvironmental chemistryChemistryEnvironmental engineeringWastewaterAgronomy

Résumé

récupéré en direct d'OpenAlex

Abstract Reclaimed water irrigation is a beneficial practice that could worsen nitrogen impairment of surrounding waterbodies. Estimating this contribution requires development of a suitable chemical marker. Toward that end, reuse effluents throughout Florida analyzed by liquid chromatography tandem mass spectrometry or high‐resolution atomic mass identified the radiographic contrast medium iohexol as a marker unique to reclaimed water. Because iohexol may be subject to biodegradation during subsurface transport or photolability during surficial flow, this study measured iohexol degradation from solar insolation and its stability relative to nitrate during soil transport for inclusion within a mass balance calculation for a nitrogen impaired surface water in Naples, Florida. In this application, the reuse irrigation fractional volumetric flow contribution was ≤7% of the flow to the impaired waterbody. Subsurface flow was not considered because column experiments with local soil demonstrated preferential denitrification over iohexol biodegradation. Additional studies are needed to further demonstrate the potential merit of this approach in different regions.

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 enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,060
Tête enseignante GPT0,299
Écart entre enseignants0,239 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAWWA Water ScienceMême sujetPharmaceutical and Antibiotic Environmental ImpactsTravaux en français237 207