Eurasian river spring flood observations support net Arctic Ocean mercury export to the atmosphere and Atlantic Ocean
Notice bibliographique
Résumé
Midlatitude anthropogenic mercury (Hg) emissions and discharge reach the Arctic Ocean (AO) by atmospheric and oceanic transport. Recent studies suggest that Arctic river Hg inputs have been a potentially overlooked source of Hg to the AO. Observations on Hg in Eurasian rivers, which represent 80% of freshwater inputs to the AO, are quasi-inexistent, however, putting firm understanding of the Arctic Hg cycle on hold. Here, we present comprehensive seasonal observations on dissolved Hg (DHg) and particulate Hg (PHg) concentrations and fluxes for two large Eurasian rivers, the Yenisei and the Severnaya Dvina. We find large DHg and PHg fluxes during the spring flood, followed by a second pulse during the fall flood. We observe well-defined water vs. Hg runoff relationships for Eurasian and North American Hg fluxes to the AO and for Canadian Hg fluxes into the larger Hudson Bay area. Extrapolation to pan-Arctic rivers and watersheds gives a total Hg river flux to the AO of 44 ± 4 Mg per year (1σ), in agreement with the recent model-based estimates of 16 to 46 Mg per year and Hg/dissolved organic carbon (DOC) observation-based estimate of 50 Mg per year. The river Hg budget, together with recent observations on tundra Hg uptake and AO Hg dynamics, provide a consistent view of the Arctic Hg cycle in which continental ecosystems traffic anthropogenic Hg emissions to the AO via rivers, and the AO exports Hg to the atmosphere, to the Atlantic Ocean, and to AO marine sediments.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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; 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 ».