Source and distribution of heavy metals in sediment samples from select creeks of the highly urbanized Metro Vancouver Watersheds, Canada
Notice bibliographique
Résumé
Forty-seven samples collected from 23 creeks in Metro Vancouver, BC, Canada, were analyzed using X-ray Fluorescence Spectroscopy (XRF) to assess how different land use activities affect physicochemical properties in surface water and metal concentrations in sediments. The concentrations of the heavy metals (Ag, As, Ba, Cr, Cd, Cu, Fe, Mn, Ni, Pb, V, Zn) ranged from 2.53–4.11, 7.51–16.27, 98.06–674.21, 22.83–136.68, 2.72–9.10, 6.70–146, 14,516.76–62,755.68, 385.16–5126.12, 11.89–102.12, 5.02–161.83, 50.93–151.63, and 21.40–660.87 mg/kg, respectively, in the study area. High concentrations of some metals were recorded to be above the Canadian Council of Ministers of the Environment Sediment Quality Guidelines, along with elevated contamination indices in some sampling sites. The pH, total dissolved solids (TDS), and electrical conductivity (EC) in surface water samples ranged from 5.50 to 8.27, 14.0 to 410.0 mg/L, and 19.0 to 903.0 µS/cm, respectively, with no discernible relationship between the surrounding land use. Principal component analyses revealed anthropogenic and natural processes enrich the sediments with metals. The geo-accumulation index ( I geo ) showed extremely contaminated sediment and a >64-fold increase due to high levels of Ba, Cr, Cu, Fe, Mn, Ni, Pb, V, and Zn. The contamination factors fall in the following sequences: Cd > Ag > As > Pb > Zn > Mn > Cu > Ba > Cr > Ni > V > Fe . Creeks closer to highways with heavy vehicular activities reported significantly higher concentrations of metals. It is therefore important to adhere to the Riparian Areas Protection Regulation Model of the Government of British Columbia, which is vital for maintaining water and sediment quality, stream health, and productivity.
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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».