Metal concentrations in fish tissues in the Kara, Bolshoi Patok, and Maly Patok River basins, North-Eastern European Russia
Notice bibliographique
Résumé
Abstract Fish and fish tissue are effective bioindicators due to their sensitivity to pollution and are frequently used for assessing aquatic ecosystem health. Establishing baseline metal concentrations in freshwater fish tissues within aquatic ecosystems is important prior to establishing industrial activities to help determine potential future industrial impacts. Historically, North-Eastern European Russia has been an area with relatively low levels of industrial development and is still in pristine condition. In this region the noise to background ratio for industrial contaminants may be disproportionately high. This study measured baseline metal concentrations in freshwater fish tissues collected from three study sites (Bolshoi Patok, Maly Patok and Kara River) in North-Eastern European Russia as bioindicators for overall aquatic ecosystem health. Seven fish species including European Grayling, Arctic Char, Whitefish, Perch, Pike, Roach, and Peled over a five-year period between 2000 to 2005. Fish tissue samples were analyzed for Copper (Cu), Lead (Pb), Cadmium (Cd), and Zinc (Zn) metal concentrations. Metal concentrations measured in fish tissues in this study compared favourably to remote sites in Alaska in the US and Slovenia. Despite small variation between sampling sites, metal concentrations were relatively low and considered in pristine condition. Metal concentrations measured in fish tissues in this study represent baseline conditions which will be important to compare against using monitoring programs should the region experience future industrial development.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».