Evidence of wildfire smoke in surface water of an unburned watershed
Notice bibliographique
Résumé
Large wildfires generate smoke that greatly compromises air quality over a wide area. Limited studies have suggested that smoke constituents may enter natural water bodies. In an 18-year water monitoring study, we examined whether smoke from distant wildfires had a detectable effect on ion content in a mountain river in an unburned watershed. Significant local wildfire smoke occurred in six years as traced by MODIS satellite data of fires, regional and local atmospheric fine particulate matter (PM 2.5 ), and the amount of potassium (K + ) in PM 2.5 as a marker of vegetation combustion. Rainwater had elevated K + and calcium (Ca 2+ , also associated with wildfire smoke) in smoke years compared to no-smoke years, and was the primary route of atmospheric deposition. Similarly, river water in smoke years had elevated concentrations of K + and Ca 2+ , with a higher ratio of K + to Ca 2+ compared to no-smoke years. River concentrations were generally unrelated to river discharge and observed K + concentrations in smoke and no-smoke years could be accounted for atmospheric deposition. Our study provides early evidence that wildfires affect water quality far beyond the watersheds where they occur. Wildfires are increasing in frequency and extent worldwide, widely distributing vast quantities of smoke containing nutrients, toxins and microbes. Potassium is a routinely-measured water quality parameter that can act as a sentinel of smoke inputs. Further work is needed on the patterns and processes by which wildfire smoke enters water as well as on the consequences for ecosystems and human health.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».