MétaCan
Menu
Retour à la cohorte
Enregistrement W4393885796 · doi:10.5281/zenodo.7081094

Organic matter, geochemical and colorimetric properties of potential source material, target sediment and laboratory mixtures for conducting sediment fingerprinting approaches in the Mano Dam Reservoir (Hayama Lake) catchment, Fukushima Prefecture, Japan.

2022· dataset· en· W4393885796 sur OpenAlexaff
Thomas Chalaux, Olivier Evrard, Roxanne Durand, Alison Caumon, Seiji Hayashi, Hideki Tsuji, Sylvain Huon, Véronique Vaury, Yoshifumi Wakiyama, Atsushi Nakao, J. Patrick Laceby, Yuichi Onda

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2022
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueIsotope Analysis in Ecology
Établissements canadiensAlberta Environment and Protected Areas
Organismes subventionnairesnon disponible
Mots-clésSedimentEnvironmental scienceDrainage basinHydrology (agriculture)Organic matterGeologyGeochemistryEnvironmental chemistryGeographyChemistryGeomorphologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

The current dataset was compiled to study sediment fingerprintings practices, i.e tracer selection and contribution modelling. Colorimetric properties analysed with a portable diffuse reflectance spectrophotometer (Konica Minolta CM-700d) and geochemical contents obtained with an energy dispersive X-ray fluorescence spectrometer (ED-XRF Epsilon 4) were analysed in potential source material that may supply sediment to coastal rivers draining the main Fukushima radioactive pollution plume (Japan). Three potential soil source materials (n = 56) were considered: cropland (n = 24), as non-decontaminated soil before the application of local decontamination policies: forest soils (n = 22) and subsurface material originating from channel bank collapse or landslides (n = 10). A sediment core was collected in the Mano Dam lake (Hayama lake) on the 6th June 2021 and was sectionned into 1-cm layers (n = 34). Laboratory mixtures (n = 27) were made to assess different contribution levels from the sources. In addition to colorimetric and geochemical properties, organic matter and stable isotopes were analysed by EA-IRMS for sources and sediments samples. The current dataset comprises three Excel files including the metadata description, the data itself and a file describing the composition of laboratory mixtures prepared to provide a dataset to calibrate/validate un-mixing models implemented to address this research question and analysed in the same conditions and using the same equipment as the source/target material. Recommended encoding format: latin1

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)0,001
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: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,007
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,034
Tête enseignante GPT0,223
Écart entre enseignants0,190 · 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
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetIsotope Analysis in EcologyTravaux en français237 207