MétaCan
Menu
Retour à la cohorte
Enregistrement W3207489413 · doi:10.3208/jgssp.v09.cpeg101

Application of natural and enhanced natural attenuation of heavy metals in soils and sediments

2021· article· en· W3207489413 sur OpenAlexfundaboutno aff
Catherine N. Mulligan, Masoumeh Javid

Notice bibliographique

RevueJapanese Geotechnical Society Special Publication · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaConcordia University
Mots-clésDredgingEnvironmental scienceEnvironmental remediationSedimentPollutionContaminationNatural (archaeology)Environmental engineeringHeavy metalsWaste managementMining engineeringEnvironmental chemistryGeologyEngineeringEcologyChemistry

Résumé

récupéré en direct d'OpenAlex

Various techniques can be considered for the remediation of contaminated sediments. The options can include capping, dredging, or physical, biological, and/or chemical treatments and natural recovery. Natural recovery could be beneficial over dredging due to a reduction in costs and lack of solid disposal requirements. Source control, however, is a major issue for sustainable remediation. In a case study, surface and core sediment samples were collected from a harbor on the north bank of the St. Lawrence River in the province of Quebec to assess heavy metal pollution and determine if natural recovery was occurring. Comparing the results of all analysis done for sediment for three different years (2015, 2017 and 2019) in the sampling area, it can be seen that some metals increased, some decreased and some of them showed nearly the same level of contamination. The results also indicated that during the sampling periods, copper, zinc and chromium were the main elements that exceeded the occasional effect level based on the Environment Canada sediment quality guidelines. Therefore, metal pollution has become a noticeable problem in this area and natural recovery was not achieved for several metals due to ongoing contamination and thus source control is critical.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,777
Score d'incertitude au seuil0,562

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,007
Tête enseignante GPT0,243
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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJapanese Geotechnical Society Special PublicationMême sujetHeavy metals in environmentTravaux en français237 207