Oceanic evasion fuels Arctic summertime rebound of atmospheric mercury and drives transport to Arctic terrestrial ecosystems
Notice bibliographique
Résumé
Mercury (Hg) contamination poses a persistent threat to the remote Arctic ecosystem, yet the mechanisms driving the pronounced summer rebound of atmospheric gaseous elemental Hg (Hg0) and its subsequent fate remain unclear due to limitations in large-scale seasonal studies. Here, we use an integrated atmosphere–land–sea-ice–ocean model to simulate Hg cycling in the Arctic comprehensively. Our results indicate that oceanic evasion is the dominant source (~80%) of the summer Hg0 rebound, particularly driven by seawater Hg0 release facilitated by seasonal ice melt (~42%), with further contributions from anthropogenic deposition and terrestrial re-emissions. Enhanced Hg0 dry deposition across the Arctic coastal regions, especially in the Arctic tundra, during the summer rebound highlights the potential transport of Hg from the pristine Arctic Ocean to Arctic terrestrial ecosystems. Arctic warming, with a transition from multi-year to first-year ice and tundra greening, is expected to amplify oceanic Hg evasion and intensify Hg0 uptake by the Arctic tundra due to increased vegetation growth, underlining the urgent need for continued research to evaluate Hg mitigation strategies effectively in the context of a changing Arctic. The Arctic summer mercury (Hg) rebound has been debated for decades. This study uses a process-based model to show sea ice melt drives Hg emissions and increases Hg deposition in Arctic tundra, highlighting its key role in Arctic Hg cycling
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».