MétaCan
Menu
Retour à la cohorte
Enregistrement W4249593285 · doi:10.5194/essd-2021-74

Radionuclide contamination in flood sediment deposits in the coastalrivers draining the main radioactive pollution plume of FukushimaPrefecture, Japan (2011–2020)

2021· preprint· en· W4249593285 sur OpenAlexaff
Olivier Evrard, Caroline Chartin, J. Patrick Laceby, Yuichi Onda, Yoshifumi Wakiyama, Atsushi Nakao, Olivier Cerdan, Hugo Lepage, Hugo Jaegler, Rosalie Vandromme, Irène Lefèvre, Philippe Bonté

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueRadioactive contamination and transfer
Établissements canadiensAlberta Environment and Protected Areas
Organismes subventionnairesCentre National de la Recherche ScientifiqueAgence Nationale de la Recherche
Mots-clésRadionuclideEnvironmental scienceSedimentRadioactive wastePlumeNuclear power plantPollutionHydrology (agriculture)Radioactive contaminationOceanographyGeologyGeographyMeteorologyWaste managementEcologyGeomorphology

Résumé

récupéré en direct d'OpenAlex

Abstract. Artificial radionuclides including radiocesium (134Cs and 137Cs) and radiosilver (110mAg) were released into the environment following the Fukushima Dai-ichi Nuclear Power Plant accident in March 2011. These particle-bound substances deposited on soils of Northeastern Japan located predominantly within a ~3000 km2 radioactive fallout plume and drained by several coastal rivers to the Pacific Ocean. The current dataset that can be accessed at https://doi.pangaea.de/10.1594/PANGAEA.928594 compiles gamma-emitting artificial radionuclide activities measured in 782 sediment samples collected from 27 to 71 locations during 16 fieldwork campaigns conducted in Japan between November 2011 and November 2020 in river catchments draining the main radioactive plume. This database may be useful to evaluate and anticipate the post-accidental redistribution of radionuclides in the environment and for the spatial validation of models simulating the transfer of radiocesium across continental landscapes.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,733
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,009
Tête enseignante GPT0,221
Écart entre enseignants0,211 · 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'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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRadioactive contamination and transferTravaux en français237 207