Cumulative Impacts of Forest Management on the Accumulation and Biomagnification of Mercury and its Relationship to Autochthony in Stream Food Webs in New Brunswick, Canada
Notice bibliographique
Résumé
Forests provide a multitude of ecological services and are one of Canada’s most important natural resources that support a profitable industry, especially in New Brunswick. The activities associated with harvesting and forest management have documented ecological impacts such as the increased mobilization of mercury from the land to adjacent streams. Methylated mercury bioaccumulates and biomagnifies (concentrates) through food webs and in headwater streams forestry has been shown to change its accumulation. However, not much is known about the spatial trends of mercury accumulation and biomagnification through stream food webs and how different forest management practices affect these trends. To delineate these patterns, food webs were sampled across a spatial gradient from three basins experiencing different levels of forest management intensity. At a basin scale, methylmercury concentrations were greatest in filtered water, food sources, and one invertebrate taxa in a harvested but less intensively managed basin, likely due to increased inorganic sediments and dissolved organic carbon also observed. Biomagnification was lower in this same basin, possibly from inefficient trophic transfer of methylmercury from food sources. Longitudinally this basin also showed differences in fine particulate organic matter (FPOM) and coarse particulate organic matter (CPOM) mercury compared to the other basins, likely due to similar spatial patterns in organic matter. In conclusion, mercury dynamics in stream food webs were impacted by forestry primarily in water and basal food sources at a basin scale, but spatial patterns were inconsistent.
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 | 0,001 |
| 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 ».