MétaCan
Menu
Retour à la cohorte
Enregistrement W7098938583

A Holocene Perspective on Algal Mercury Scavenging to Sediments of an Arctic Lake

2011· article· en· W7098938583 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Taxonomy and Phylogenetics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMercury (programming language)ArcticScavengingSedimentLimnologyHoloceneDiatomPaleolimnologyThermokarst
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

ABSTRACT: Anthropogenic activities have increased the amount of mercury (Hg) transported atmospherically to the Arctic. At the same time, recent climate warming is altering the limnology of arctic lakes and ponds, including increases in aquatic primary production. It has been hypothesized that climate-driven increases in aquatic production have enhanced Hg scavenging from the water column, and that this mechanism may account for much of the recent rise in lake sediment Hg. Here, we test the relationship between climate, algal production, and sediment Hg using a well-dated and multiproxy lake sediment record spanning the Holocene from Lake CF3 (Baffin Island, Nunavut, Canada). During the early Holocene, peak (summer) insolation drove July air temperatures higher than present, and resulted in increased autochthonous primary production as recorded by total organic matter, spectrally inferred Chl-a, diatom abundance, and carbon stable isotopic signatures. However, there are no relationships between any of these proxies and sediment Hg concentrations during this interval. Given that the behavior of preindustrial Hg was relatively stable during past intervals of naturally mediated high production, we surmise that postindustrial increases in Hg accumulation within CF3 reflect a multiplicative effect of atmospheric deposition of anthropogenic Hg and increased sedimentation rates.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,275
Score d'incertitude au seuil0,546

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,226
Écart entre enseignants0,188 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPlant Taxonomy and PhylogeneticsTravaux en français237 207