A comprehensive overview of the ionic composition of rainwater across Latin America
Notice bibliographique
Résumé
Wet atmospheric deposition, primarily through rainfall, plays a crucial role in removing atmospheric pollutants, particularly water-soluble particles and dissolved gases, thereby contributing to atmospheric cleansing. This review article examines the ionic composition of rainwater in Latin America, based on scientific studies retrieved from the Web of Science and Scopus databases. The findings reveal that anthropogenic sources of ionic compounds in rainwater include fossil fuel combustion, fertilizer application, vehicular emissions, and industrial activities, which primarily contribute to acidifying compounds. In contrast, neutralizing compounds (e.g., Ca 2+ and Mg 2+ ) originate from both human activities and natural sources, such as marine aerosols and dust resuspension. Elevated concentrations of acidifying compounds have been documented in urban and industrial areas, whereas rural regions predominantly exhibit neutralizing ions. In certain countries, such as Brazil and Costa Rica, reductions in the sulfur content of fuels have led to trends of rainwater neutralization. The ratios of ionic compounds (e.g., SO 4 2 − /NO 3 − and NH 4 + /NO 3 − ) and rainwater pH were analyzed to identify emission sources and regional patterns, revealing geographical, seasonal, and local influences on emissions. However, documentation on the impacts of rainwater acidification in Latin America remains limited, with most studies focusing on Brazil. Mexico, Argentina, and Brazil have been identified as the most productive countries in this research area. Nevertheless, studies on the ionic composition of rainwater in Latin America remain scarce and have declined over the past 5 years. This decline is concerning given the region’s rich biodiversity, which may be adversely affected by rainwater acidification.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».