Application of an environmental multimedia modeling system for health risk assessment: Key influencing factors and uncertainties research
Notice bibliographique
Résumé
Abstract In this paper, an environmental multimedia modeling system (EMMS) that combines a risk assessment with a Monte Carlo method (MCM) was used to explore the interaction between groundwater and surface water with respect to chemical exposure and risk. The EMMS-MCM simulations incorporated several key influencing factors that are inherent in traditional predictions of subsurface and surface-water interactions, including soil permeability coefficients and parameters such as hydraulic conductivity, density, recharge, layers, and depth. These influencing factors are generally associated with the largest sources of uncertainty in modeling and pose significant challenges to water management and to the optimal allocation of water resources. A case study involving benzene at the Trail Road landfill site located in the Ottawa–Carlton area of Canada is presented to illustrate the use of the EMMS-MCM approach. The model results are verified by comparisons to the results of groundwater and surface-water investigations in the landfill. The EMMS-MCM results are evaluated using a risk quotient (RQ) risk assessment method to quantify environmental risk. The EMMS-MCM simulations can be used to support hazardous field work and contribute to environmental management by predicting the possible consequences of hazardous chemical contaminations in surface waters and groundwater. The integration of the EMMS-MCM and RQ approaches represents an appropriate tool for the accurate assessment of long-term pollutant risks and environmental management of surface- and groundwater resources. Integr Environ Assess Manag 2021;17:877–886. © 2021 SETAC KEY POINTS An environmental multimedia modeling system (EMMS) considering water allocation factors is discussed. How different types of pollutants pose varying health and ecological risks when different water allocation parameters (such as hydraulic conductivity, density, recharge, layer number, and depth) are applied. The EMMS-MCM model, combined with the risk quotient risk assessment methodology, provides an effective basis for pollution control decisions in interconnected groundwater and surface water systems.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».