MétaCan
Menu
Retour à la cohorte
Enregistrement W6959394950 · doi:10.1021/acs.est.9b02373.s001

Accumulating\nMercury and Methylmercury Burdens in\nWatersheds Impacted by Oil Sands Pollution

2019· article· en· W6959394950 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2019
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueScientific Computing and Data Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOil sandsSnowpackMercury (programming language)MethylmercuryWatershedPollutionWater quality

Résumé

récupéré en direct d'OpenAlex

Bitumen mining and\nupgrading in northeastern Alberta, Canada, releases\ntoxic pollutants into the atmosphere, including mercury (Hg) and methylmercury\n(MeHg). This Hg and MeHg is then deposited to the surrounding landscape;\nhowever, the fate of these contaminants remains unknown. Here, we\ncompare snowpack chemistry to high-frequency measurements of river\nwater quality across six watersheds (five impacted by oil sands development\nand one unimpacted). Catchment scale snowpack Hg and MeHg loads normalized\nto watershed area were highest near oil sands operations. River water\nHg concentrations and loads tracked discharge and tended to be higher\ndownstream of mining operations, while MeHg concentrations and loads\nincreased through the summer, reflecting peak summer MeHg production\nrates. Except in the reference watershed, snowpack Hg and MeHg loads\nequaled or exceeded the amount of Hg and MeHg exported during freshet\nand, in some cases, the entire hydrologic year. This suggests landscapes\nacross the oil sands region, which are dominated by low-relief wetlands\nand other shallow-water systems, are accumulating Hg and MeHg. Importantly,\nduring years of high discharge, these low-relief systems appear to\nbecome better connected and flush MeHg (and Hg) from the watershed.\nThus, these watersheds may act as temporary, rather than as permanent,\nnatural repositories of oil sands contaminants.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,157
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0650,004

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 Opus0,096
Tête enseignante GPT0,369
Écart entre enseignants0,273 · 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
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetScientific Computing and Data ManagementTravaux en français237 207