Use of atmospheric concentrations and passive samplers to assess surface-atmosphere exchange of gaseous mercury in forests
Notice bibliographique
Résumé
Direct measurements of gaseous elemental mercury (GEM) exchanges over global ecosystems are challenging and require extensive and costly measurement systems. Here, we explore the use of atmospheric GEM concentration variability and passive samplers to assess underlying ecosystem GEM exchanges at two rural temperate forests in the northeastern United States. We find strong temporal alignments between atmospheric GEM concentration declines and ecosystem GEM deposition in spring at both forests, which followed patterns of CO2 and suggests that ambient air GEM concentration monitoring provides a proxy measurement to assess forest GEM sinks. In fall, we observe GEM concentration increases and reversal of GEM fluxes to emissions, but with poor temporal alignments. Diel GEM concentration variability did not correspond to diel patterns of ecosystem GEM fluxes, which is driven by boundary layer dynamics with different atmospheric mixing depths during day- and nighttime. Passive samplers (PASs) deployed to measure vertical GEM gradients across six heights throughout one of the forest canopies showed excellent agreements with active measurements in detecting seasonal concentration patterns at all deployment heights. We find frequent qualitative agreement between the direction of active and PAS derived measurements, but small concentration differences over small (1.3 and 4.9 m) gradients prevent a quantitative comparison of methods. Furthermore, time-averaged GEM concentration gradient measurements are always biased towards stable nighttime periods, while ecosystem GEM fluxes are dominated by daytime exchanges, which results in the inability of integrated measurements such as PAS to correctly quantify forest GEM exchanges. We conclude that concentration measurements both via active and passive sampling can serve as proxies to assess underlying ecosystem GEM sinks and sources, but that the use of passive samplers to quantify GEM exchange via gradient measurements is limited due their strong nighttime biases.
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 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».