MétaCan
Menu
Retour à la cohorte
Enregistrement W4307348778 · doi:10.1021/acs.estlett.2c00677

Transboundary Atmospheric Pollution from Mountaintop Coal Mining

2022· article· en· W4307348778 sur OpenAlexafffundabout
Colin A. Cooke, Paul E. Drevnick

Notice bibliographique

RevueEnvironmental Science & Technology Letters · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCoal and Its By-products
Établissements canadiensUniversity of CalgaryGovernment of AlbertaUniversity of Alberta
Organismes subventionnairesAlberta Environment and Parks
Mots-clésCoal miningEnvironmental scienceSedimentSurface miningCoalPollutionEcosystemMining engineeringHydrology (agriculture)Environmental protectionGeologyArchaeologyEcologyGeography

Résumé

récupéré en direct d'OpenAlex

High Resolution Image Download MS PowerPoint Slide Mountaintop removal coal mining impairs downstream ecosystems through the delivery of nutrients, ions, and heavy-metals. Here, we show that this mining also impacts ecosystems downwind, and that the suite of environmental contaminants released includes polycyclic aromatic compounds (PACs). We recovered a sediment core from Window Mountain Lake, located along the eastern slopes of Canada’s Rocky Mountains. The sediment core records a ∼30-fold increase in PAC concentrations, and a compositional profile that matches closely with coal mined in the Elk Valley, British Columbia, on the other side of the continental divide. Selenium concentrations have also increased, paralleling a rise in the Elk River, which drains the coal mines. The source of these contaminants is fugitive coal dust, emitted during mining and carried atmospherically from Pacific to Atlantic drainage basins. Atmospheric PAC emissions will increase as mines expand unless mitigation measures are implemented, and our results likely apply at similar large-scale mountaintop removal coal mining operations around the world.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,106
Score d'incertitude au seuil0,210

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
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 Opus0,004
Tête enseignante GPT0,161
Écart entre enseignants0,157 · 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

Citations16
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & Technology LettersMême sujetCoal and Its By-productsTravaux en français237 207