MétaCan
Menu
Retour à la cohorte
Enregistrement W2065507950 · doi:10.1021/es403651x

Fish Mercury Levels Appear to Be Increasing Lately: A Report from 40 Years of Monitoring in the Province of Ontario, Canada

2014· article· en· W2065507950 sur OpenAlexaffabout
Nilima Gandhi, Rex W.K. Tang, Satyendra P. Bhavsar, George B. Arhonditsis

Notice bibliographique

RevueEnvironmental Science & Technology · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensMinistry of the Environment, Conservation and ParksUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMercury (programming language)Fish <Actinopterygii>Environmental protectionFisheryEnvironmental scienceGeographyBiologyComputer science

Résumé

récupéré en direct d'OpenAlex

Recent mercury levels and trends reported for North America suggest a mixed (positive/negative) outlook for the environmental mercury problem. Using one of the largest consistent monitoring data sets in the world, here we present long-term and recent mercury trends in Walleye, Northern Pike, and Lake Trout from the Province of Ontario, Canada, which contains about one-third of the world's fresh water and covers a wide geographical area (1.5 and 3 times larger than France and Germany, respectively). Overall, the results indicate that the fish mercury levels either declined (0.01-0.07 μg/g decade) or remained stable between the 1970s and 2012. The rates of mercury decline were substantially greater (mostly 0.05-0.31 μg/g decade) during the 1970s/80s possibly in response to reductions in mercury emissions. However, Walleye and Pike levels have generally increased (0.01-0.27 μg/g decade) in recent years (1995-2012), especially for northern Ontario (effect sizes for differences between the two periods ranged from 0.39 to 1.04). Proportions of Walleye and Pike locations showing a flat or increasing trend increased from 26-44% to 59-73% between the 1970s/80s and 1995-2012. Mercury emissions in North America have declined over the last few decades, and as such it is logical to expect recovery in fish mercury levels; however, other factors such as global emissions, climate change, invasive species, and local geochemistry are likely affecting the response time and magnitude.

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 candidatesaucune
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 enseignants0,170
Score d'incertitude au seuil0,417

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,229
Écart entre enseignants0,216 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations83
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

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