MétaCan
Menu
Retour à la cohorte
Enregistrement W4316810311 · doi:10.1016/j.envpol.2023.121102

The impact of severe pollution from smelter emissions on carbon and metal accumulation in peatlands in Ontario, Canada

2023· article· en· W4316810311 sur OpenAlexafffundabout
Jodi E. Newman, Patrick A. Levasseur, Peter Beckett, Shaun A. Watmough

Notice bibliographique

RevueEnvironmental Pollution · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePeatlands and Wetlands Ecology
Établissements canadiensLaurentian UniversityTrent University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Centres of Excellence
Mots-clésPeatSmeltingSphagnumPollutionEnvironmental chemistryEnvironmental scienceSink (geography)Deposition (geology)EcologyChemistryGeologyGeographySedimentGeomorphology

Résumé

récupéré en direct d'OpenAlex

Peatlands are unique habitats that function as a carbon (C) sink and an archive of atmospheric metal deposition. Sphagnum mosses are key components of peatlands but can be adversely impacted by air pollution potentially affecting rates of C and metal accumulation in peat. In this study we evaluate how the loss of Sphagnum in peatlands close to a copper (Cu) and nickel (Ni) smelter in Sudbury, Ontario affected C accumulation and metal profiles. The depth of accumulated peat formed during the 100+ year period of smelter activities also increased with distance from the smelter. Concurrently, peat bulk density decreased with distance from the smelter, which resulted in relatively similar average rates of apparent C accumulation (32–46 g/m 2 /yr). These rates are within the range of published values despite the historically high pollution loadings. Surface peat close to the smelters was greatly enriched in Cu and Ni, and Cu profiles in dated peat cores generally coincide with known pollution histories much better than Ni that increased well before the beginning of smelter activities likely a result of post-deposition mobility in peat cores.

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 enseignants0,021
Score d'incertitude au seuil0,154

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,233
Écart entre enseignants0,221 · 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

Citations12
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironmental PollutionMême sujetPeatlands and Wetlands EcologyTravaux en français237 207