MétaCan
Menu
Retour à la cohorte
Enregistrement W6945264989 · doi:10.22034/nawee.2023.382323.1033

Study the concentration of heavy metals in the North Yaran oilfield sediments in the Hur Al-Azim wetland, Khuzestan

2023· article· en· W6945264989 sur OpenAlexaboutno aff

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCadmiumPollutionHeavy metalsSedimentContaminationVanadium

Résumé

récupéré en direct d'OpenAlex

Sediments are the main absorbers of metal pollutants. Therefore, it is essential to study them. In this paper, 72 samples of surface sediments from six stations were selected using Grap sampler in the summer of 2015 to determine the concentration of heavy elements such as cadmium, nickel, lead, and vanadium in the surface sediments of the North Yaran oilfield in Hur Al-Azim wetland. An atomic absorption device was used to determine the concentration of heavy elements, and SPSS and EXCEL software were used for statistical data processing. According to the results, the average concentration of cadmium, lead, vanadium, and nickel was 1.4, 48.87, 32.65, and 87.33 mg/L, respectively. Sediment quality standards in the United States (NOAA) and in Canada (ISQGs) were used to compare these values with the allowable contamination levels of elements in sediment. According to the results, the average concentration of cadmium and lead in the present study was higher than the standard indicators of ERL and TEL and lower than the standard indicators of ERM and PEL. Average concentration of nickel was higher than these standard indicators. The results showed that nickel has more pollution than other metals, consistent with other research conducted in the region. Based on results, the amount of pollution of heavy metals studied in this research was not dangerous and critical. Still, it is necessary to prevent the increase in metallic toxicity in the region's environment by adopting preventive approaches.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,254
Tête enseignante GPT0,491
Écart entre enseignants0,237 · 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
GenreEmpirique

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetWood Treatment and PropertiesTravaux en français237 207