Concentrations and Yields of Total Hg and MeHg in Large Boreal Rivers Linked to Water and Wetland Coverage in the Watersheds
Notice bibliographique
Résumé
Abstract Large rivers are major contributors of mercury (Hg) fluxes to the ocean, as they integrate processes of loading and loss occurring at the watershed level. Stream‐scale studies have revealed that specific landscape properties, such as wetlands or lakes, are hotspots for Hg and methylmercury (MeHg) loading, sinks and transformation, but we still do not know how they operate at the whole network scale and over large geographic gradients. In this study, we evaluate how landscape metrics are related to riverine concentrations and yields of total Hg and MeHg in 18 large boreal rivers draining watersheds ranging from 44 to 209,453 km2, distributed along a 650 km latitudinal transect in the James Bay region of Québec. Our analyses of landscape metrics using elastic net models and mixed models reinforce the role of wetlands as sources of MeHg, but further show that surface coverage of water in the watershed is the major driver of both Hg and MeHg concentrations and fluxes at the whole network scale. Our findings also demonstrate that seasonality modulates the relationship between landscape properties and Hg forms. Based on hydrologic data, we additionally estimate annual fluxes for the whole Eastern James Bay to 441 kg Hg and 14.6 kg MeHg, and average landscape yield to 1.24 g Hg km−2 y−1 and 0.041 g MeHg km−2 y−1. Our study provides tools to broadly predict riverine Hg concentrations and fluxes with only a few easily accessible landscape metrics, which were shown to be better predictors than physico‐chemical variables.
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 | 0,001 |
| 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 | 0,000 | 0,000 |
| 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 ».