MétaCan
Menu
← Retour à la cohorte
Enregistrement W2766010825 · doi:10.1021/acs.est.7b03929

Temporal and Longitudinal Mercury Trends in Burbot (<i>Lota lota</i>) in the Russian Arctic

2017· article· en· W2766010825 sur OpenAlexaff
Alexander R. Pelletier, Leandro Castello, Alexander V. Zhulidov, Tatiana Gurtovaya, Richard D. Robarts, R. M. Holmes, Daniel A. Zhulidov, Robert G. M. Spencer

Notice bibliographique

RevueEnvironmental Science & Technology · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensGlobal Institute for Water Security
Organismes subventionnairesFralin Life Science Institute, Virginia Polytechnic Institute and State UniversityOffice of Polar ProgramsKajima Foundation
Mots-clésMercury (programming language)ArcticThe arcticFisheryOceanographyEnvironmental scienceGeographyBiologyGeologyComputer science

Résumé

récupéré en direct d'OpenAlex

Current understanding of mercury (Hg) dynamics in the Arctic is hampered by a lack of data in the Russian Arctic region, which comprises about half of the entire Arctic watershed. This study quantified temporal and longitudinal trends in total mercury (THg) concentrations in burbot ( Lota lota ) in eight rivers of the Russian Arctic between 1980 and 2001, encompassing an expanse of 118 degrees of longitude. Burbot THg concentrations declined by an average of 2.6% annually across all eight rivers during the study period, decreasing by 39% from 0.171 μg g –1 wet weight (w.w.) in 1980 to 0.104 μg g –1 w.w. in 2001. THg concentrations in burbot also declined by an average of 1.8% per 10° of longitude from west to east across the study area between 1988 and 2001. These results, in combination with those of previous studies, suggest that Hg trends in Arctic freshwater fishes before 2001 were spatially and temporally heterogeneous, as those in the North American Arctic were mostly increasing while those in the Russian Arctic were mostly decreasing. It is suggested that Hg trends in Arctic animals may be influenced by both depositional and postdepositional processes.

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 enseignants0,038
Score d'incertitude au seuil0,075

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
Bibliométrie0,0010,000
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)0,0000,000

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 Opus0,017
Tête enseignante GPT0,274
Écart entre enseignants0,257 · 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

Citations16
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & Technology→Même sujetMercury impact and mitigation studies→Travaux en français237 207→