MétaCan
Menu
Retour à la cohorte
Enregistrement W2323528628 · doi:10.1021/es402645x

Mercury Trends in Predatory Fish in Great Slave Lake: The Influence of Temperature and Other Climate Drivers

2013· article· en· W2323528628 sur OpenAlexafffund
Marlene S. Evans, Derek C. G. Muir, Robert B. Brua, Jonathan Keating, Xiaowa Wang

Notice bibliographique

RevueEnvironmental Science & Technology · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesAboriginal Affairs and Northern Development Canada
Mots-clésPikeEsoxTroutSalvelinusEnvironmental scienceMercury (programming language)Climate changeFisheryEcologyForage fishPhysical geographyFish <Actinopterygii>GeographyBiology

Résumé

récupéré en direct d'OpenAlex

Here we report on trends in mercury (Hg) concentrations in lake trout (Salvelinus namaycush), burbot (Lota lota), and northern pike (Esox lucius) from Great Slave Lake, located in the Mackenzie River Basin (MRB) and investigate how climate factors may be influencing these trends. Hg concentrations in lake trout and burbot increased significantly over the early 1990s to 2012 in the two major regions of the lake; no trend was evident for northern pike over 1999-2012. Temporal variations in Hg concentrations in lake trout and burbot were similar with respect to timing of peaks and troughs. Inclusion of climate variables based on annual means, particularly temperature, improved explanatory power for variations in Hg over analyses based only on year and fish length; unexpectedly, the temperature coefficient was negative. Climate analyses based on growing season means (defined as May-September) had less explanatory power suggesting that trends were more strongly associated with colder months within the year. Inclusion of the Pacific/North American index improved explanatory power for the lake trout model suggesting that trends may have been affected by air circulation patterns. Overall, while our study confirmed previously reported trends of Hg increase in burbot in the MRB, we found no evidence that these trends were directly driven by increasing temperatures and productivity.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,972
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,005
Tête enseignante GPT0,219
Écart entre enseignants0,214 · 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 source (Gemma direct ou Codex distillé), 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

Citations40
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

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