Rare earth elements (REE) in freshwater, marine, and terrestrial ecosystems in the eastern Canadian Arctic
Notice bibliographique
Résumé
ABSTRACT Few ecotoxicological studies exist for rare earth elements (REEs), particularly field-based studies on their bioaccumulation and food web dynamics. REE mining has led to significant environment impacts in several countries (China, Brazil, U.S.), yet little is known about the fate and transport of these contaminants of emerging concern. To understand how REEs behave in pristine northern food webs, we measured REE concentrations and carbon and nitrogen stable isotope ratios (∂ 15 N, ∂ 13 C) in biota from marine, freshwater, and terrestrial ecosystems of the eastern Canadian Arctic (N=339). Northern ecosystems are potentially vulnerable to REE enrichment from prospective mining projects at high latitudes. Wildlife harvesting and tissue sampling was partly conducted by local hunters through a community-based monitoring project. Results show that REE generally follow a coherent bioaccumulation pattern for sample tissues, with some anomalies for redox-sensitive elements (Ce, Eu). Highest REE concentrations were found at low trophic levels, especially in vegetation and aquatic invertebrates. Terrestrial herbivores, ringed seal, and fish had low REE levels in muscle tissue (<0.1 nmolg -1 ), yet accumulation was an order of magnitude higher in all liver tissues. Age- and length-dependent REE accumulation also suggest that REE uptake is faster than elimination for some species. Overall, REE bioaccumulation patterns appear to be species- and tissue-species, with limited potential for biomagnification. This study provides novel ecotoxicological data on the behaviour of REE in ecosystems and will be useful for environmental impact assessment of REE enrichment in northern regions.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».