MétaCan
Menu
Retour à la cohorte
Enregistrement W4293549039 · doi:10.15578/squalen.633

A Review on The Biological, Physical and Chemical Mitigation of Harmful Algal Bloom

2022· review· en· W4293549039 sur OpenAlexaff
Nur Hanisah Ibrahim, Anwar Iqbal, Normawaty Mohammad‐Noor, Roziawati M.R., Dede Heri Yuli Yanto, Lee D. Wilson, Abdul Hanif Mahadi

Notice bibliographique

RevueSQUALEN Bulletin of Marine and Fisheries Postharvest and Biotechnology · 2022
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesUniversiti Sains Malaysia
Mots-clésAlgal bloomHarmBiochemical engineeringEnvironmental scienceRisk analysis (engineering)Human healthBusinessNatural resource economicsEnvironmental resource managementEnvironmental planningComputer scienceEcologyEngineeringBiologyEnvironmental healthMedicinePolitical scienceEconomicsPhytoplankton

Résumé

récupéré en direct d'OpenAlex

The harmful algal bloom (HABs) refers to the rapid growth of toxic or high-biomass-producing microalgae. The impact of this phenomenon can cause significant economic loss affecting many industries and causing harm to wildlife and human health. As technology develops, greater research has been conducted to monitor and reduce HABs occurrence’s impact, including mitigating agents. This review presents the advantages and disadvantages of currently used and recently developed biological, chemical, and physical approaches to tackle issues related to HABs. The present review also emphasizes the interaction between the mitigating agents and the algal cells, thus identifying the gap of knowledge that needs to be addressed. Understanding the advantages and disadvantages of the approaches and the interaction between the mitigating agents and algal cells will enable researchers to develop a better sustainable system for managing HAB.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,990
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,022
Tête enseignante GPT0,236
Écart entre enseignants0,215 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSQUALEN Bulletin of Marine and Fisheries Postharvest and BiotechnologyMême sujetAquatic Ecosystems and Phytoplankton DynamicsTravaux en français237 207