MétaCan
Menu
Retour à la cohorte
Enregistrement W4384008980 · doi:10.1016/j.scitotenv.2023.165519

Contributions of the oil sands sources to the ambient concentrations and deposition of particulate elements in the Canadian Athabasca oil sands region

2023· article· en· W4384008980 sur OpenAlexafffundabout
Fuquan Yang, Abdulla Al Mamun, Irene Cheng, Xin Qiu, Leiming Zhang

Notice bibliographique

RevueThe Science of The Total Environment · 2023
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesEnvironment and Climate Change Canada
Mots-clésOil sandsParticulatesDeposition (geology)Environmental scienceEnvironmental chemistryGeologyGeochemistryMining engineeringChemistryAsphaltArchaeologyGeomorphologyGeographySediment

Résumé

récupéré en direct d'OpenAlex

In this study, model sensitivity tests were conducted to investigate the relative contributions between emission sources of oil sands (OS) activities and other sources to the ambient concentrations and deposition of 29 particulate elements in the Athabasca oil sands region (AOSR) of Canada. Element emission sources from a recently developed emission database were grouped into three source sectors for elements in PM2.5 (OS-Industrial, OS-Dust, and Non-OS) and two source sectors for elements in PM2.5–10 (OS-All and Non-OS). The OS-Dust and OS-Industrial sectors (combined as one sector for PM2.5–10; OS-All) included element sources linked to dust and other industrial activities from the OS activities, respectively, whereas the Non-OS sector included remaining sources in the region, unrelated to the OS activities. The OS-Industrial, OS-Dust, and Non-OS emissions (tonnes/year) of all elements in PM2.5 were 326, 1430, and 562, respectively. The OS-All and Non-OS emissions (tonnes/year) of all elements in PM2.5–10 were 5890 and 2900, respectively. The element concentrations were simulated by the CALPUFF dispersion model. The sum of the domain averaged annual mean concentrations of all elements in PM2.5 and PM2.5–10 from all sources were 57.3 ng/m3 and 30.4 ng/m3, respectively. Except for Co (PM2.5 and PM2.5–10), Sb (PM2.5–10), and Sn (PM2.5–10), major proportions (≥ 59 %) of the ambient concentrations of the individual elements were linked to the OS source sector. Overall, the OS sector was responsible for 78 % and 68 % of the sum of the mean ambient concentrations of all elements in PM2.5 and PM2.5–10, respectively, which are close to the corresponding emission contributions (76 % and 67 %, respectively). Likewise, the bulk proportion (~74 %) of the sum of the total atmospheric deposition of all elements was also associated with the OS sources. Carcinogenic and non-carcinogenic risks associated with inhalation exposure to airborne elements were below the recommended threshold risk levels.

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)0,001
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 enseignants0,016
Score d'incertitude au seuil0,116

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,009
Tête enseignante GPT0,218
Écart entre enseignants0,209 · 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

Citations9
Publié2023
Routes d'admission3
Résumé présentnon

Explorer davantage

Même revueThe Science of The Total EnvironmentMême sujetPetroleum Processing and AnalysisTravaux en français237 207