Organic Matter, Geochemical, Visible Spectrocolorimetric Properties, Radiocesium Properties, and Grain Size of Potential Source Material, Target Sediment Core Layers and Laboratory Mixtures for Conducting Sediment Fingerprinting Approaches in the Mano Dam Reservoir (Hayama Lake) Catchment, Fukushima Prefecture, Japan
Notice bibliographique
Résumé
The current dataset was compiled to study sediment fingerprintings practices, i.e tracer selection and contribution modelling. Organic matter, elemental geochemistry, visible difuse spectrocolorimetric properties, radiocesium properties, and grain size were analysed were analysed in potential source material that may supply sediment to coastal rivers, here the upper part of the Mano river, draining the main Fukushima radioactive pollution plume (Japan). Four potential soil source materials (n = 68) were considered: undecontaminated cropland (n = 24), as non-decontaminated soil before the application of local decontamination policies, remediated cropland (n = 10), as decontaminated soil after the application of local decontamination policies, forest soils (n = 24) and subsurface material originating from channel bank collapse or landslides (n = 10; referred to as subsoil). 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 = 38). Laboratory mixtures (n = 27) were made to assess different contribution levels from the sources. The current dataset comprises four .csv files including data and metadata information and their respective descriptions of variables. The data set is composed of soil samples, sediment core layer and laboratory mixtures. Laboratory mixtures were 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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».