Statistically based soil–climate exposure scenarios for aquatic pesticide fate modeling and exposure assessment in the Pampa Region of Argentina
Notice bibliographique
Résumé
Abstract Although pesticides are used intensively in Argentina's Pampa region, the possibility of performing an environmental risk assessment (ERA) remains limited due to the absence of readily available databases to run pesticide fate models and the lack of standardized realistic worst-case scenarios. The aim of the present study was to further advance capacities for performing probabilistic ERAs in the Pampa region by dividing and parameterizing the region into functional soil–climate mapping units (SCU) and defining statistically based, worst-case soil–climate exposure scenarios. Results obtained demonstrate that the SCU selected for a specific modeling exercise should depend on the dissociation constant (Kd) of the pesticide evaluated and whether short- or long-term pesticide fate modeling and risk assessment are needed. Four regionally representative SCUs were specifically identified for modeling the fate of pesticides with low, high, and intermediate values of Kd. Fate modeling of pesticides with an intermediate Kd requires the use of a different SCU for short- versus long-term pesticide modeling, whereas this distinction is not necessary for pesticides with both low and high Kd. The current definition of realistic, worst-case, soil–climate scenarios represents a crucial step toward better pesticide fate modeling and exposure assessment in Argentina's Pampa region. Integr Environ Assess Manag 2023;19:626–637. © 2022 SETAC
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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».