Is Moss Still a Reliable Biomonitor of Nitrogen and Sulfur Deposition After Decades of Emissions Reductions?
Notice bibliographique
Résumé
Mosses are widely used as biomonitors of atmospheric nitrogen (N) and sulfur (S) deposition due to their broad distribution, ease of sampling, and capacity to trap and accumulate atmospheric particles. However, since 2000, S emissions have decreased by more than 80% across Europe, and N oxides by 40–50%. This study evaluated whether moss remains effective for monitoring atmospheric N and S deposition after decades of emission reductions. This assessment was conducted at 33 rural sites in Tuscany, Central Italy, a region characterized by relatively low levels of N and S deposition. The content of N and S in moss were compared with the air concentrations (gases and particles) and wet and dry deposition of N and S from the Cooperative Programme for Monitoring and Evaluation of Long-range Transmission of Air Pollutants in Europe (EMEP) model and an air pollution index derived from trace element concentrations. The average N content of moss (1.15 ± 0.42%) was an order of magnitude greater than that of S (0.11 ± 0.02%), reflecting the dominance of N deposition. Nevertheless, N and S in moss were strongly correlated (rs = 0.55), suggesting shared sources. Further, N showed a strong correlation with the dry deposition of oxidized N (rs = 0.53), while S was strongly correlated with the wet deposition of S oxides (rs = 0.53) and magnetic susceptibility (rs = 0.69). Overall, our findings confirm that mosses remain effective biomonitors of N and S deposition and can provide reliable spatial and temporal monitoring, especially as the traditional monitoring networks decline.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 tête enseignante, 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 ».