MétaCan
Menu
Retour à la cohorte
Enregistrement W3097791730 · doi:10.1021/acs.estlett.0c00716

Isotopic Composition of Hg in Fogwaters of Coastal California

2020· article· en· W3097791730 sur OpenAlexaff
Spencer J. Washburn, Joel D. Blum, Laura C. Motta, Bridget A. Bergquist, P. S. Weiss‐Penzias

Notice bibliographique

RevueEnvironmental Science & Technology Letters · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesJohn D. and Catherine T. MacArthur Foundation
Mots-clésComposition (language)Environmental chemistryChemical compositionHomogeneousMercury (programming language)GeologyDeposition (geology)OceanographyMineralogyEnvironmental scienceChemistrySedimentPaleontology

Résumé

récupéré en direct d'OpenAlex

We present the first measurements of the isotopic composition of mercury (Hg) in fogwater, measured in samples collected across coastal California. Coastal California fogwater samples exhibit a relatively narrow range of Hg isotopic compositions {δ 202 Hg = −0.60‰ to 0.38‰, average of −0.10 ± 0.33‰ [one standard deviation (1SD)]; Δ 199 Hg = 0.04–0.75‰, average of 0.28 ± 0.17‰ (1SD); Δ 200 Hg = −0.16‰ to 0.24‰, average of 0.08 ± 0.10‰ (1SD)}. The isotopic composition of fogwater samples did not exhibit any spatial trends, either with distance from the Pacific Ocean coastline or with the latitude of sampling locations. The Hg isotopic composition of coastal California fogwater samples is not significantly different from that of precipitation collected across coastal California and the North Pacific, suggesting that marine-derived atmospheric Hg has a relatively homogeneous isotopic composition across the North Pacific. Fogwater samples exhibit a Δ 199 Hg/Δ 201 Hg slope of 1.03 consistent with Hg(II) photoreduction, highlighting the importance of photoreduction mechanisms in controlling the odd-MIF isotopic composition of atmospheric Hg wet deposition. Overall, the need for an improved understanding of the processes that control atmospheric Hg deposition is revealed by this data set, as such knowledge will be required to more accurately model global atmospheric Hg cycling.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,201
Score d'incertitude au seuil0,399

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
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 Opus0,008
Tête enseignante GPT0,210
Écart entre enseignants0,202 · 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

Citations23
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & Technology LettersMême sujetMercury impact and mitigation studiesTravaux en français237 207