Notice bibliographique
Résumé
The remediation of toxic sediment in harbours and urban waterways requires detailed mapping of contaminated sediment distribution and thickness. Conventional methods rely on interpolation of pollutant concentrations from widely spaced core samples but can lead to significant errors in estimating sediment distribution. An improved approach, as demonstrated by recent work in Hamilton Harbour in Lake Ontario, is to estimate pollutant levels from proxy measurements of sediment magnetic properties. Measurements from 40 core samples collected within the harbour show that the magnetic susceptibility of a contaminated upper layer of sediment is one to two orders of magnitude greater than in the underlying uncontaminated dprecolonialT sediments. The susceptibility contrast results from elevated levels of urban-source magnetic oxides and is sufficient to generate a total field anomaly (ca. 5–40 nT) that can be measured with a towed magnetometer. Systematic lake-based magnetic surveying (N500 line km) of the harbour using an Overhauser marine magnetometer identifies well-defined positive magnetic anomalies that coincide with mapped accumulations of contaminated sediments on the harbour bottom. Forward modelling of the anomalies shows that the magnetic response is consistent with a contaminated upper layer thickness of up to 5 m. Apparent susceptibility maps calculated from magnetic survey data show a close spatial correspondence with core-derived magnetic susceptibilities and provide a rapid means for classifying contaminated sediments. Detection of shallow magnetic anomalies is dependent upon a closely spaced survey grid (b75 m line spacing) and careful post-cruise processing to remove diurnal, regional and water-depth related variations in the magnetic field intensity. D 2004 Elsevier B.V. All rights reserved.
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 | 0,000 |
| 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) | 0,003 | 0,001 |
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 ».