MétaCan
Menu
← Retour à la cohorte
Enregistrement W4321490738 · doi:10.5194/egusphere-egu23-2939

Mercury methylation and demethylation on impacted wetland soils: effects of temperature

2023· preprint· en· W4321490738 sur OpenAlexaff
Sayuri Sagisaka Méndez, Carl P. J. Mitchell

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensThe Scarborough Hospital
Organismes subventionnairesnon disponible
Mots-clésMercury (programming language)DemethylationMethylmercuryEnvironmental chemistryWetlandMethylationSoil waterEnvironmental scienceChemistryBioaccumulationEcologySoil scienceDNA methylationBiology

Résumé

récupéré en direct d'OpenAlex

The methylation of mercury by anaerobic microbes in wet soils and sediment significantly increases its bioaccumulation potential into wildlife. Methylation is also counter-acted by demethylation processes, with the balance between methylation and demethylation processes ultimately controlling the amount of methylmercury in a system. Given that microbial activities are intricately linked with temperature, climatic changes should impact mercury methylation and demethylation processes, but this is not well-characterized in mercury research. In this presentation, I will discuss the outcome of better understanding mercury methylation and demethylation processes and rates in boreal wetland soils, as affected by temperature. To examine this, we have included a series of controlled, closed-system, flow-through experiments using boreal wetland soils from both forest-impacted and unimpacted wetlands in dark growth chambers across a range of realistic temperatures (5, 10, 15, 20, 25 °C). Mercury methylation and demethylation processes were examined in soil cores using enriched mercury isotope incubations and analyzed against measures of microbial activity and soil/water chemistry. Results from this study are expected to allow us to begin modeling mercury cycling processes with respect to climate and other environmental changes.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,049

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,021
Tête enseignante GPT0,283
Écart entre enseignants0,262 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMercury impact and mitigation studies→Travaux en français237 207→