Snowmelt Sources of Methylmercury to High Arctic Ecosystems
Notice bibliographique
Résumé
Mercury in humans and other top predators living in the Arctic is present at elevated levels. Since only methylmercury (MeHg) bioaccumulates in food chains, sources of MeHg need to be identified. Recently, wetlands in the High Arctic were found to produce MeHg, and this was confirmed in laboratory soil incubations. In the present study both wetlands and snowmelt water were evaluated as sources of MeHg to Arctic ecosystems in Nunavut. Three substudies took place on Cornwallis Island, and one took place on Ellesmere Island. First, the effect of wetland presence in lake watersheds was evaluated by comparing four lakes with wetlands present to four lakes without wetlands present. Next, two individual wetlands were spatially and temporally investigated. Finally, three basin tributaries were evaluated for snowmelt MeHg sources. Catchments on Cornwallis Island with wetlands did not have an observable effect on MeHg levels in downstream lake water, but the wetland on Ellesmere Island contributed significant MeHg. In contrast, calculated yields of MeHg in tributaries draining snowmelt on Cornwallis Island were higher (ca. 1.5 mg km(-2) day(-1)) than those measured in temperate catchments characterized by wetlands. Methylmercury and total Hg concentrations in lakes, wetlands, and basin tributaries showed a strong temporal trend that corresponded to inputs from snowmelt water in late spring. This study revealed that wetland export of MeHg to downstream Arctic lakes is site dependent, and snowmelt water was the most significant source of MeHg to Arctic ecosystems located on Cornwallis Island.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».