Synergic Effect of Gold Mining and Damming on Mercury Contamination in Fish
Notice bibliographique
Résumé
Since the late 1980s, several studies have shown that human populations in the Amazon basin are exposed to high mercury levels in their fish diet. Gold mining, which releases the metal during the amalgamation process and erodes soils naturally rich in mercury, is regarded as the main contamination source. Here, we present the results of a comparative study of mercury distribution in the water and fish of two adjacent rivers in French Guiana, with and without gold mining activities. As a consequence of a marked difference in suspended particulate matter between the two systems, total mercury concentrations in unfiltered water samples were higher in the mined river (25.4-34.9 ng L(-1)) as compared to the reference one (2.1-5.4 ng L(-1)). Surprisingly, no significant differences were observed in mercury concentrations between 13 common fish species at upstream sites. In sharp contrast, mercury concentration of fish caught downstream a hydroelectric reservoir, where the two rivers flow, was up to 8-fold higher than that upstream. Mercury speciation measurements allowed one to relate these differences in fish to the water distribution of monomethylmercury, the mercury chemical species that biomagnifies along aquatic foodwebs. Indeed, mean dissolved monomethylmercury concentrations were low and similar in both rivers (0.03-0.06 ng L(-1)), while they were 10 times higher (up to 0.56 ng L(-1)) in the water outflowing the hydroelectric dam. Dissolved monomethylmercury determinations along a water column profile suggest that methylation of inorganic mercury occurs in the deep anoxic part in reservoir. We conclude that mercury mobilization related to gold mining is not solely sufficient to account for high concentrations in fish and that environmental conditions that favor mercury methylation, such as anoxia, are needed.
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 | 0,000 |
| 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 | 0,002 |
| 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) | 0,000 | 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 ».