MétaCan
Menu
Retour à la cohorte

Sediment Core Paleo-analyses, Oil Sands Region

2014· dataset· en· W6906641014 sur OpenAlexaffabout

Notice bibliographique

RevueECCC Data Catalogue · 2014
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensGovernment of CanadaGouvernement du QuébecEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésSedimentOil sandsSediment coreMercury (programming language)ArsenicHydrology (agriculture)CadmiumContamination

Résumé

récupéré en direct d'OpenAlex

Sediment from Lakes Polycyclic aromatic hydrocarbons (PAHs), 47 elements including numerous metals, and visible reflectance spectroscopy or VRS-chla have been determined in sediment core samples collected in 2012, 2013 and 2014 from 16 small (surface area 4-97 ha; maximum depth ~1-5 m deep), hydrologically simple lakes located 30 to 120 km from major oil sands development areas. Canadian Council of Ministers of the Environment (CCME) guidelines are available for 13 of the 53 PAHs reported here. Sediment concentrations did not exceed Canadian Council of Ministers of the Environment (CCME) probable effects levels (PELs), which define the level above which biological adverse effects are expected to occur, for PAHs in any lake. Exceedances of the CCME interim sediment quality guidelines (ISQG) for the protection of aquatic life occurred for 4 PAHs (naphthalene, 2-methyl naphthalene phenanthrene, and benzo(a)pyrene) in 8 lakes. CCME sediment quality guidelines are available for 7 of the 47 elements reported here. Exceedances of the CCME ISQG for metals were found for arsenic in 3 lakes, cadmium in 8 lakes, mercury in 3 lakes and zinc in 9 lakes. Exceedances of the CCME PELs for metals occurred in 2 lakes for arsenic and 1 lake for zinc. Further assessment of the data is ongoing to examine reasons for exceedances as well as spatial and temporal trends of the PACs and elements. Analyses of lake primary productivity, using visible reflectance spectroscopy or VRS-chla as a proxy, show consistently greater productivity (i.e. VRS-chla concentrations) in the top sediment core slices relative to the bottom, regardless of lake morphological and limnological characteristics and landscape position. Potential drivers of these changes are being examined.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Science ouverte, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0090,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,058

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 Opus0,212
Tête enseignante GPT0,382
Écart entre enseignants0,169 · 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'étudeSans objet
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

Citations0
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueECCC Data CatalogueTravaux en français237 207