A Model for Methylmercury Uptake and Trophic Transfer by Marine Plankton
Notice bibliographique
Résumé
Methylmercury (MeHg) concentrations can increase by 100 000 times between seawater and marine phytoplankton, but levels vary across sites. To better understand how ecosystem properties affect variability in planktonic MeHg concentrations, we develop a model for MeHg uptake and trophic transfer at the base of marine food webs. The model successfully reproduces measured concentrations in phytoplankton and zooplankton across diverse sites from the Northwest Atlantic Ocean. Highest MeHg concentrations in phytoplankton are simulated under low dissolved organic carbon (DOC) concentrations and ultraoligotrophic conditions typical of open ocean regions. This occurs because large organic complexes bound to MeHg inhibit cellular uptake and cell surface area to volume ratios are greatest under low productivity conditions. Modeled bioaccumulation factors for phytoplankton (10 2.4 –10 5.9 ) are more variable than those for zooplankton (10 4.6 –10 6.2 ) across ranges in DOC (40–500 μM) and productivities (ultraoligotrophic to hypereutrophic) typically found in marine ecosystems. Zooplankton growth dilutes their MeHg body burden, but they also consume greater quantities of MeHg enriched prey at larger sizes. These competing processes lead to lower variability in MeHg concentrations in zooplankton compared to phytoplankton. Even under hypereutrophic conditions, modeled growth dilution in marine zooplankton is insufficient to lower their MeHg concentrations, contrasting findings from freshwater ecosystems.
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 | 0,001 | 0,005 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».