Factors and mechanisms driving among-lake variability of mercury concentrations in a benthivorous fish in the canadian subarctic
Notice bibliographique
Résumé
Wild-caught fish are an important subsistence food source in remote northern regions, but they can also be a source of exposure to mercury (Hg), which has known health hazards. We investigated factors and mechanisms that control variability of Hg concentrations in Lake Whitefish (Coregonus clupeaformis) among remote subarctic lakes in Northwest Territories, Canada. Integrating variables that reflect fish ecology, in-lake conditions, and catchment attributes, we aimed to not only determine factors that best explain among-lake variability of fish Hg, but also to provide a whole-ecosystem understanding of interactions that drive among-lake variability of fish Hg. Size-standardized concentrations of total Hg ([THg]) in Lake Whitefish varied threefold (0.05-0.15 mg/kg wet weight) and differed significantly among the twelve study lakes. Stepwise multiple regressions revealed that 84% of among-lake variability in size-standardized fish [THg] was explained by positive relationships with two variables, catchment to lake area ratios (CA:LA) and methyl Hg concentrations ([MeHg]) in benthic invertebrates. Piecewise structural equation modeling indicated that [MeHg] in benthic invertebrates were positively related to [THg] in sediment and [MeHg] in water, which in turn were both positively related to concentrations of dissolved organic carbon (DOC) in water. Fish [THg] and all proximate in-lake drivers were ultimately driven by catchment attributes and were higher in lakes within lower-elevation, relatively larger, proportionally more forested catchments. Revealing interactive processes that influence fish Hg levels, our findings improve the current knowledge about causes of Hg variability among subarctic lakes and highlight factors that can help guide future work.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».