MétaCan
Menu
Retour à la cohorte
Enregistrement W4391324552 · doi:10.3390/w16030426

Differential Impacts of Road De-icers on Freshwater Bacterial Communities

2024· article· en· W4391324552 sur OpenAlexafffund
Troy A. Martin, Collin L. Juurakko, Tia L. Harrison, Shelley E. Arnott, Virginia K. Walker

Notice bibliographique

RevueWater · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSmart Materials for Construction
Établissements canadiensQueen's University
Organismes subventionnairesQueen's University
Mots-clésMesocosmBrineSalinityAmplicon sequencingEcologyEnvironmental scienceBiologyEnvironmental chemistryChemistryEcosystemBacteria

Résumé

récupéré en direct d'OpenAlex

Concern about salt levels in freshwater habitats receiving road de-icer runoff has inspired the development of “eco-friendly” formulations that are intended to be less toxic to aquatic organisms, but few experiments have determined that these products are environmentally benign. Mesocosms containing lake water were established for 6 weeks to compare traditional road salt with two newer de-icers, one an inorganic mixture of chloride salts and the second of beet extract and brine. Amplicon sequencing and algal blocking sequences facilitated the identification of differentially impacted bacterial taxa. Ironically, although there was only a minor effect on bacterial structure at high road-salt concentrations, there was an increased relative abundance of salt-resistant genera in the mixed-salt formulation. After amendment with the beet brine de-icer, there was a turnover of taxa coincident with a 68-fold decrease in dissolved oxygen, with decreased diversity and displacement by anaerobic genera indicating a shift across a threshold to a new, apparently stable state, suggesting mesocosm recovery was unlikely. Overall, although we applaud the sentiment behind the formulation of less-damaging “eco-friendly” de-icers, they appear to have more negative environmental impacts than the traditional road salt that they were made to replace.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0260,001

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 GPT0,214
Écart entre enseignants0,205 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
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

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetSmart Materials for ConstructionTravaux en français237 207