Short-term responses to watershed logging on biomass mercury and methylmercury accumulation by periphyton in boreal lakes
Notice bibliographique
Résumé
In the boreal forest, watershed logging may increase runoff, as well as chemical loading, including nutrient, dissolved organic carbon, and mercury, to lakes. Because they are exposed directly to nutrients and contaminants exported from the watershed, littoral communities such as periphyton may respond quickly to watershed disturbances. The objectives of this study were to evaluate the response of periphyton to watershed logging using a BACI (before–after control–impact) statistical approach and to develop a predictive tool to facilitate the elaboration of practical logging policies aimed at reducing Hg loading to lakes. In this study, we compare the periphyton biomass in 18 boreal Canadian Shield lakes, as well as their total mercury and methylmercury levels. During the ice-free season from 2000 to 2002, eight of these lakes were monitored before and after logging, with the other 10 lakes serving as controls. The BACI statistical analyses reveal a significant impact of logging on periphyton biomass (decrease; 0.6- to 1.5-fold) and methylmercury accumulation (increase; 2- to 9.6-fold). This study demonstrates that periphyton responds quickly to disturbances of the watershed. Our results suggest that the periphyton and watershed characteristics could serve as good management tools and that logging should be limited in watersheds with a mean slope below 7.0%.
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 | 0,000 | 0,001 |
| 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 ».