Can remotely sensed catchment to lake area ratios predict mercury levels in subarctic fishes?
Notice bibliographique
Résumé
Mercury concentrations ([Hg]) in fish reflect a complex array of interacting biogeochemical and ecological variables. In northern regions where fish are a critical subsistence food, understanding and predicting fish [Hg] can be particularly difficult, largely due to a paucity of comprehensive data associated with the logistical challenges of field sampling. Building on previous work where we elucidated causal relationships between fish [Hg] and a variety of catchment, water quality, and ecological variables in subarctic lakes, we investigated whether using only ratios of catchment area to lake area (CA:LA) can predict [Hg] in northern freshwater fish species. As CA:LA can be sensed remotely, they may be more feasible and practical to obtain than field data in far northern regions. Our study included thirteen remote lakes that represent a CA:LA gradient of 6.2–423.5 within an ∼66,000 km2 subarctic region of Northwest Territories, Canada. We found that size-standardized [Hg] in three widespread fish species, including Lake Whitefish (Coregonus clupeaformis), Walleye (Sander vitreus), and Northern Pike (Esox lucius), were significantly and positively related to CA:LA (p < 0.007, r2 = 67–80%), indicating higher fish [Hg] in smaller lakes surrounded by relatively larger catchments. Our findings provide compelling evidence that remotely sensed CA:LA can be used to predict [Hg] in northern fishes and aid in prioritizing understudied and subsistence fishing lakes of the Canadian subarctic for [Hg] monitoring programs.
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 | 0,001 |
| 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 ».