A mass budget for mercury and methylmercury in the Arctic Ocean
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Elevated biological concentrations of methylmercury (MeHg), a bioaccumulative neurotoxin, are observed throughout the Arctic Ocean, but major sources and degradation pathways in seawater are not well understood. We develop a mass budget for mercury species in the Arctic Ocean based on available data since 2004 and discuss implications and uncertainties. Our calculations show that high total mercury (Hg) in Arctic seawater relative to other basins reflect large freshwater inputs and sea ice cover that inhibits losses through evasion. We find that most net MeHg production (20 Mg a −1 ) occurs in the subsurface ocean (20–200 m). There it is converted to dimethylmercury (Me 2 Hg: 17 Mg a −1 ), which diffuses to the polar mixed layer and evades to the atmosphere (14 Mg a −1 ). Me 2 Hg has a short atmospheric lifetime and rapidly degrades back to MeHg. We postulate that most evaded Me 2 Hg is redeposited as MeHg and that atmospheric deposition is the largest net MeHg source (8 Mg a −1 ) to the biologically productive surface ocean. MeHg concentrations in Arctic Ocean seawater are elevated compared to lower latitudes. Riverine MeHg inputs account for approximately 15% of inputs to the surface ocean (2.5 Mg a −1 ) but greater importance in the future is likely given increasing freshwater discharges and permafrost melt. This may offset potential declines driven by increasing evasion from ice‐free surface waters. Geochemical model simulations illustrate that for the most biologically relevant regions of the ocean, regulatory actions that decrease Hg inputs have the capacity to rapidly affect aquatic Hg concentrations.
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.
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 | 0,000 |
| 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 découle