Globally-significant arsenic release by wildfires in a mining-impacted boreal landscape
Notice bibliographique
Résumé
Abstract Metal mining and smelting activities are one of the largest anthropogenic sources of arsenic pollution to the environment, with pervasive consequences to human and environmental health. Several decades of metal processing activities near Yellowknife, NT, Canada have resulted in widespread accumulation of arsenic in biomass, soils, and sediments, exceeding environmental and human health limits. The landscape surrounding Yellowknife is frequently disturbed by wildfire, most recently in 2023, when 2500 km 2 burned. While wildfire-mediated release of stored arsenic around Yellowknife likely represents an incipient threat to human and ecosystem health, a quantification of the potential magnitude of arsenic remobilization from wildfires is absent. Here we combine publicly available soil and biomass arsenic concentrations and land cover datasets with the current best estimates of pyrogenic arsenic speciation and release in upland and wetland ecosystems to estimate the potential range of arsenic remobilization due to wildfires in the region surrounding Yellowknife from 1972 to 2023. Since 1972, wildfires have potentially led to the release of 141–562 Mg of arsenic, with 61–381 Mg emitted to the atmosphere and 39–109 Mg mobilized as water-soluble species. The large range in potential atmospheric emissions was due to the range in peat emission efficiency (5%–84%) that resulted in more arsenic being released from wetlands than the uplands. In 2023 alone, our estimated atmospheric release from just four wildfires was between 15%–59% of global annual arsenic wildfire emissions and likely represented between 2 and 9% of total global arsenic emissions from all natural sources. Given that climate change has and will continue to increase both annual area burned and soil burn severity, we emphasize that future increased wildfire activity closer to Yellowknife will place legacy soil arsenic stores at risk of an even larger catastrophic and unprecedented release, especially as wetlands become drier.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».