MétaCan
Menu
Retour à la cohorte
Enregistrement W4312052748 · doi:10.1016/j.ese.2022.100229

Modeling historical budget for β-Hexachlorocyclohexane (HCH) in the Arctic Ocean: A contrast to α-HCH

2022· article· en· W4312052748 sur OpenAlexaff
Pu-Fei Yang, Robie W. Macdonald, Hayley Hung, Derek C. G. Muir, Roland Kallenborn, Anatoly Nikolaev, Wan-Li Ma, Liyan Liu, Yi-Fan Li

Notice bibliographique

RevueEnvironmental Science and Ecotechnology · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensUniversity of ManitobaEnvironment and Climate Change CanadaFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésArcticEnvironmental scienceHexachlorocyclohexaneThe arcticTransit timeClimatologyOceanographyAtmospheric sciencesEcologyGeologyBiology

Résumé

récupéré en direct d'OpenAlex

The historical annual loading to, removal from, and cumulative burden in the Arctic Ocean for β-hexachlorocyclohexane (β-HCH), an isomer comprising 5–12% of technical HCH, is investigated using a mass balance box model from 1945 to 2020. Over the 76 years, loading occurred predominantly through ocean currents and river inflow (83%) and only a small portion via atmospheric transport (16%). β-HCH started to accumulate in the Arctic Ocean in the late 1940s, reached a peak of 810 t in 1986, and decreased to 87 t in 2020, when its concentrations in the Arctic water and air were ∼30 ng m−3 and ∼0.02 pg m−3, respectively. Even though β-HCH and α-HCH (60–70% of technical HCH) are both the isomers of HCHs with almost identical temporal and spatial emission patterns, these two chemicals have shown different major pathways entering the Arctic. Different from α-HCH with the long-range atmospheric transport (LRAT) as its major transport pathway, β-HCH reached the Arctic mainly through long-range oceanic transport (LROT). The much higher tendency of β-HCH to partition into the water, mainly due to its much lower Henry's Law Constant than α-HCH, produced an exceptionally strong pathway divergence with β-HCH favoring slow transport in water and α-HCH favoring rapid transport in air. The concentration and burden of β-HCH in the Arctic Ocean are also predicted for the year 2050 when only 4.4–5.3 t will remain in the Arctic Ocean under the influence of climate change.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,138
Score d'incertitude au seuil0,274

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,006
Tête enseignante GPT0,189
Écart entre enseignants0,183 · 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'étudeSimulation ou modélisation
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

Citations22
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science and EcotechnologyMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207