MétaCan
Menu
Retour à la cohorte
Enregistrement W4223435563 · doi:10.1139/as-2021-0054

Monitoring microplastics in the atmosphere and cryosphere in the circumpolar North: A case for multi-compartment monitoring

2022· article· en· W4223435563 sur OpenAlexaffvenue
Bonnie M. Hamilton, Liisa M. Jantunen, Melanie Bergmann, Katrin Vorkamp, Julian Aherne, Kerstin Magnusson, Dorte Herzke, Maria Granberg, Ingeborg G. Hallanger, Alessio Gomiero, Ilka Peeken

Notice bibliographique

RevueArctic Science · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicroplastics and Plastic Pollution
Établissements canadiensTrent UniversityEnvironment and Climate Change CanadaUniversity of Toronto
Organismes subventionnairesNorges Forskningsråd
Mots-clésMicroplasticsCryospherePlastic pollutionEnvironmental scienceArcticCircumpolar starThe arcticEnvironmental monitoringSea iceOceanographyGeologyEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

The atmosphere and cryosphere have recently garnered considerable attention due to their role in transporting microplastics to and within the Arctic, and between freshwater, marine, and terrestrial environments. While investigating either in isolation provides valuable insight on the fate of microplastics in the Arctic, monitoring both provides a more holistic view. Nonetheless, despite the recent scientific interest, fundamental knowledge on microplastic abundance, and consistent monitoring efforts, are lacking for these compartments. Here, we build upon the work of the Arctic Monitoring and Assessment Programme’s Monitoring Guidelines for Litter and Microplastic to provide a roadmap for multi-compartment monitoring of the atmosphere and cryosphere to support our understanding of the sources, pathways, and sinks of plastic pollution across the Arctic. Overall, we recommend the use of existing standard techniques for ice and atmospheric sampling and to build upon existing monitoring efforts in the Arctic to obtain a more comprehensive pan-Arctic view of microplastic pollution in these two compartments.

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)0,005
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,115
Score d'incertitude au seuil0,229

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
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 Opus0,035
Tête enseignante GPT0,265
Écart entre enseignants0,230 · 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

Citations13
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueArctic ScienceMême sujetMicroplastics and Plastic PollutionTravaux en français237 207