Seasonal and Regional Variations of Metal Contamination and Condition Indicators in Yellow Perch ( <i>Perca flavescens</i> ) along Two Polymetallic Gradients. I. Factors Influencing Tissue Metal Concentrations
Notice bibliographique
Résumé
ABSTRACT This study examined relationships among water, sediment, diet, and fish tissue metal (Cd, Cu, Ni, Se, and Zn) concentrations in yellow perch from metal gradients in two regions (Sudbury (S), Ontario, and Rouyn-Noranda (RN), Québec, Canada) in two seasons (spring and summer). The objectives of this study were (1) to examine the influences of aqueous and dietary metal contamination on yellow perch liver and kidney metal accumulation; (2) to compare the seasonal and regional variations in gut content and tissue metal concentrations along the two gradients studied; and (3) to investigate the potential of metals for tissue accumulation under conditions of life-long chronic exposure. Our results suggest a greater aqueous than dietary influence on tissue metal concentrations for all metals examined except Cd, where the opposite was observed. Metals did not accumulate in older fish, except for Cd that accumulated with age in RN, but not S, fish. Regional, but also metal-specific differences in metal handling capacities are proposed. Fish from neither region appeared capable of regulating tissue Cd concentrations, but fish from both regions regulated Zn tightly. Sudbury fish appeared better at regulating tissue Cu, Ni, and perhaps also Se concentrations than RN fish, suggesting acclimation or selection for metal tolerance. There were several significant seasonal effects on tissue metal concentrations. However, close examination of the dataset does not allow proposing the presence of a season-linked mechanism explaining these variations, precluding a modeling approach and implying that repeat sampling within and among years is required for proper ecological risk assessment.
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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».