MétaCan
Menu
← Retour à la cohorte
Enregistrement W3093047284 · doi:10.5194/egusphere-egu2020-5634

Mercury dynamics from pan-Canadian survey of lakes: analyses of sediment cores

2020· article· en· W3093047284 sur OpenAlexaffabout
Irene Gregory‐Eaves, Marieke Beaulieu, Marc Amyot, Katherine Griffiths, Alexandre J. Poulain

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensUniversity of OttawaUniversité de MontréalMcGill University
Organismes subventionnairesnon disponible
Mots-clésMercury (programming language)Subarctic climateTemperate climateEnvironmental scienceSedimentPhysical geographyEnvironmental chemistryHydrology (agriculture)OceanographyGeographyEcologyGeologyChemistryBiologyGeomorphology

Résumé

récupéré en direct d'OpenAlex

Strong measures have been taken since the 1970s to reduce mercury emissions in Canada. However, long-range transport of emissions continues and constitutes a large percentage of the total anthropogenic deposition of mercury in Canada. Natural sources of mercury are also heterogeneously distributed across the Canadian landscape. As part of the LakePulse network (www.lakepulse.ca), we are quantifying mercury concentration in hundreds of lake sediment cores across 13 Canadian ecozones. Analyses from eastern Canada lakes showed that total mercury is significantly different among ecozones, and many ecozones showed higher total mercury concentrations in contemporary sediments. Contemporary methyl mercury concentrations also differed among ecozones. Our overarching goals are to map the heterogeneity in mercury concentrations across the country and to identify the most parsimonious set of predictors considering a suite of physico-chemical and land-use variables from lakes and their watersheds set across the temperate to subarctic landscape.

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 enseignants0,012
Score d'incertitude au seuil0,088

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
Bibliométrie0,0030,007
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,079
Tête enseignante GPT0,309
Écart entre enseignants0,231 · 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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetMercury impact and mitigation studies→Travaux en français237 207→