Updated Global and Oceanic Mercury Budgets for the United Nations Global Mercury Assessment 2018
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
In support of international efforts to reduce mercury (Hg) exposure in humans and wildlife, this paper reviews the literature concerning global Hg emissions, cycling and fate, and presents revised global and oceanic Hg budgets for the 2018 United Nations Global Mercury Assessment. We assessed two competing scenarios about the impacts of 16th - late 19th century New World silver (Ag) mining, which may be the largest human source of atmospheric Hg in history. Consideration of Ag ore geochemistry, historical documents on Hg use, and comparison of the scenarios against atmospheric Hg patterns in environmental archives, strongly support a "low mining emission" scenario. Building upon this scenario and other published work, the revised global budget estimates human activities including recycled legacy emissions have increased current atmospheric Hg concentrations by about 450% above natural levels (prevailing before 1450 AD). Current anthropogenic emissions to air are 2.5 ± 0.5 kt/y. The increase in atmospheric Hg concentrations has driven a ∼ 300% average increase in deposition, and a 230% increase in surface marine waters. Deeper marine waters show increases of only 12-25%. The overall increase in Hg in surface organic soils (∼15%) is small due to the large mass of natural Hg already present from rock weathering, but this figure varies regionally. Specific research recommendations are made to reduce uncertainties, particularly through improved understanding of fundamental processes of the Hg cycle, and continued improvements in emissions inventories from large natural and anthropogenic sources.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,009 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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