MétaCan
Menu
Retour à la cohorte
Enregistrement W4256488231 · doi:10.31223/osf.io/u7ax8

Mercury loading within the Selenga River Basin and Lake Baikal, Siberia

2019· preprint· en· W4256488231 sur OpenAlexaff
Sarah C. M. Roberts, Jennifer Adams, Anson W. Mackay, George E. A. Swann, Suzanne McGowan, Neil L. Rose, Virginia N. Panizzo, Handong Yang, E. G. Vologina, Michael Sturm

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueWater Resources and Management
Établissements canadiensUniversity of WaterlooEnvironment and Climate Change Canada
Organismes subventionnairesNatural Environment Research CouncilIrkutsk State UniversityRussian Foundation for Basic ResearchSiberian Branch, Russian Academy of SciencesSight Research UKRussian Science Foundation
Mots-clésMercury (programming language)Structural basinGeologyEstuarySedimentPelagic zoneOceanographyEnvironmental scienceDrainage basinDeltaMethylmercuryHydrology (agriculture)Physical geographyBioaccumulationEcologyGeographyGeomorphology

Résumé

récupéré en direct d'OpenAlex

Mercury (Hg) loading in Lake Baikal, a UNESCO world heritage site, is growing and poses a serious health concern to the lake’s ecosystem due to the ability of Hg to transform into a toxic form, known as methylmercury (MeHg). Monitoring of Hg into Lake Baikal is spatially and temporally sparse, highlighting the need for insights into historic Hg loading. This study reports measurements of Hg concentrations from water collected in August 2013 and 2014 from across Lake Baikal and its main inflow, the Selenga River basin (Russia). We also report historic Hg contamination using sediment cores taken from the south and north basins of Lake Baikal, and a shallow lake in the Selenga Delta. Field measurements from August 2013 and 2014 show high Hg concentrations in the Selenga Delta and river waters, in comparison to pelagic lake waters. Sediment cores show temporal heterogeneity of Hg enrichment across Lake Baikal since the mid-19th century, increasing first in the southern basin in the late-19th century, and increasing in the north basin in the mid-20th century. Hg enrichment was greatest in the Selenga Delta shallow lake (ER = 2.3 in 1994 CE), with enrichment occurring in the mid- to late-20th century. Local sources of Hg are predominantly from gold (Au) mining along the Selenga River, which have been expanding over the last few decades. More recently, another source is atmospheric deposition from industrial activity in Asia, due to rapid economic growth across Asia since the 1980s. As Hg can bioaccumulate and biomagnify through trophic levels to Baikal’s top consumer, the world’s only truly freshwater seal (Pusa sibirica), it is vital that Hg input at Lake Baikal and within its catchment is monitored and controlled.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,139
Score d'incertitude au seuil0,276

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,204
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWater Resources and ManagementTravaux en français237 207