MétaCan
Menu
Retour à la cohorte
Enregistrement W4391426200 · doi:10.1016/j.envadv.2024.100495

A pan-Canadian calibration of micro-X-ray fluorescence core scanning data for prediction of sediment elemental concentrations

2024· article· en· W4391426200 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueEnvironmental Advances · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensUniversité LavalInstitut National de la Recherche ScientifiqueMcGill University
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesGroupe de recherche interuniversitaire en limnologieNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésNormalization (sociology)SedimentCalibrationPartial least squares regressionMultivariate statisticsEnvironmental scienceX-ray fluorescenceMineralogyGeologyRemote sensingSoil scienceAnalytical Chemistry (journal)Environmental chemistryChemistryMathematicsStatisticsFluorescenceOpticsPhysicsGeomorphology

Résumé

récupéré en direct d'OpenAlex

Sediment geochemistry is one lens through which lake sediments are studied to reconstruct local and regional environmental processes. The measurement of sediment elemental composition has historically relied on expensive and destructive methods that limit the spatial and temporal scale of study. Micro-X-ray fluorescence (µXRF) core scanning offers a non-destructive, high-resolution alternative, but its results (i.e., intensity expressed as counts per second) are considered semi-quantitative and comparison among sites requires calibration. Calibration methods are emerging, although they are not yet widely employed and require further assessment of their efficacy. Using 135 sediment samples from 48 lakes across Canada, we assessed the congruence between µXRF and conventionally measured element compositions with various normalization and calibration techniques. Normalization of µXRF data to common proxies (e.g., Ca, Si, Ti, coherence:incoherence ratio, and total counts per second) often improved correlations between µXRF and conventional data, but increases were modest and not consistent for all elements. Our results suggest that µXRF normalization techniques should be applied cautiously, as no proxy represents a “one-size-fits-all” solution. The performance of multivariate log-ratio calibration (MLC) was more consistent, yielding moderate to strong improvement of the correlations between reference and predicted element concentrations. Random forest regression models outperformed partial least squares regression models for almost all elements. MLC may be applied where knowledge of elemental concentration is of great importance, or when comparing across multiple sites with diverse sediment geochemistry. Overall, our results reinforce uncalibrated µXRF core scanning as a strong investigative tool for measuring sediment geochemistry. Although calibrated µXRF data shows promise, conventional methods for measuring sediment geochemistry are still necessary for comparing element concentrations with sediment quality guidelines.

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.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,735
Score d'incertitude au seuil0,326

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,021
Tête enseignante GPT0,238
Écart entre enseignants0,217 · 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