Methylmercury in thawing peatlands on a trophic gradient in boreal Western Canada
Notice bibliographique
Résumé
Ongoing permafrost thaw in the extensive peatlands of boreal western Canada may mobilize previously frozen mercury (Hg) and result in enhanced production of the neurotoxin methylmercury (MeHg). The often waterlogged conditions in thermokarst wetlands may represent ideal environments for Hg methylation to MeHg, but methylation potential could vary across distinct wetland types (i.e., nutrient-poor bogs and nutrient-rich fens) that emerge after the thawing of drier peat plateaus, depending on landscape position and groundwater connectivity. Here, we examined MeHg concentrations in twelve wetlands of varying nutrient richness in the Taiga Plains of western Canada across a 500 km permafrost gradient. We analyzed peat porewater chemistry (Hg, MeHg, dissolved organic matter composition), inferred the degree of groundwater connection (electrical conductivity, ions), and assessed the vegetation composition at each wetland. The key research objectives of this study were to 1) determine how methylmercury concentrations vary amongst wetland types in the Taiga Plains and amongst permafrost zones, and 2) understand how physicochemical characteristics and groundwater connectivity may influence methylation potential. Through this, we hope to understand the factors that lead to hotspots of MeHg production in the rapidly thawing peatlands of the Taiga Plains.
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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».