MétaCan
Menu
Retour à la cohorte
Enregistrement W1984054484 · doi:10.1021/es1018114

Increasing Mercury in Yellow Perch at a Hotspot in Atlantic Canada, Kejimkujik National Park

2010· article· en· W1984054484 sur OpenAlexafffundabout
Brianna Wyn, Karen A. Kidd, Neil M. Burgess, R. Allen Curry, Kelly R. Munkittrick

Notice bibliographique

RevueEnvironmental Science & Technology · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaParks Canada
Mots-clésPerchMercury (programming language)National parkFisheryNova scotiaRecreational fishingBioaccumulationEnvironmental scienceFishingGeographyBiologyEcologyFish <Actinopterygii>Archaeology

Résumé

récupéré en direct d'OpenAlex

In the mid-1990s, yellow perch (Perca flavescens) and common loons (Gavia immer) from Kejimkujik National Park and National Historic Site (KNPNHS), Nova Scotia, Canada, had among the highest mercury (Hg) concentrations across North America. In 2006 and 2007, we re-examined 16 lakes to determine whether there have been changes in Hg in the loon's preferred prey, yellow perch. Total Hg concentrations were measured in up to nine perch in each of three size classes (5-10 cm, 10-15 cm, and 15-20 cm) consumed by loons. Between 1996/97 and 2006/07, polynomial regressions indicated that Hg in yellow perch increased an average of 29% in ten lakes, decreased an average of 21% in three, and were unchanged in the remaining three lakes. In 2006/07, perch in 75% of the study lakes had Hg concentrations (standardized to 12-cm fish length) equal to or above the concentration (0.21 μg·g(-1) ww) associated with a 50% reduction in maximum productivity of loons, compared with only 56% of these lakes in 1996/97. Mercury contamination currently poses a greater threat to loon health than a decade ago, and further reductions in anthropogenic emissions should be considered to reduce its impacts on ecosystem health.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,515
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,003
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,006
Tête enseignante GPT0,225
Écart entre enseignants0,219 · 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 tête enseignante, pas un consensus.

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

Citations50
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetMercury impact and mitigation studiesTravaux en français237 207