Chemical Elements Recorded by Quercus mongolica Fisch. ex Ledeb. Tree Rings Reveal Trends of Pollution History in Harbin, China
Notice bibliographique
Résumé
Rapid industrialization has led to a dramatic increase in air pollution. In China, the factors driving the abundance and composition of smog, particularly fine particulate matter, remain poorly understood, and short-term air pollution data are available from few air quality monitoring networks. Using laser ablation-inductively coupled plasma-mass spectrometry (LA-ICP-MS), chemical elements (Mg, Al, Si, S, K, Ca, Ti, Cr, Mn, Fe, Co, Ni, Cu, Zn, As, Sr, Tl, Pb, Bi) were analyzed in Quercus mongolica Fisch. ex Ledeb. tree rings from Harbin, China, in latewood at 5-year resolution over the period 1965–2020. The temporal trend of some elements was influenced by physiological factors, by environmental factors such as pollution, or influenced by both. Mg, K, Zn, Cu, Ni, Pb, As, Sr and Tl showed changes in pollution levels over time. The signal of K, Zn, Ni, Cu and Pb in trees from Harbin statistically did not differ from those at the control site after the 2000s. Our analysis confirmed the success of the undertaken emission reduction measures, which lead to an improvement in China’s urban air quality after 2010. However, As increased from 2000 to 2020 in Harbin which is consistent with rising As concentrations in China. Our study proved that dendrochemistry is a reliable tool to monitor the long-term history of pollution and to contribute to extending instrumental records of pollution back in time.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».