À la chasse aux métaux traces dans un Nord canadien en évolution rapide : approches limnologiques, écologiques et collaborative = Hunting for trace metals in a rapidly changing North : limnological, ecological, and collaborative approaches
Bibliographic record
Abstract
Actuellement, l’Arctique canadien subit de grands changements, tant climatiques que socio- environnementaux, auxquels s’ajoute une pression croissante d’y exploiter les ressources naturelles. Les écosystèmes arctiques étant d’importants indicateurs des changements globaux futurs, il s’avère essentiel de mieux comprendre l’impact de ces changements sur la santé humaine et celle des écosystèmes. Pourtant, notre compréhension des cycles biogéochimiques des contaminants présente des lacunes importantes, notamment pour le cycle des métaux traces, qui subit d’importants déséquilibres en réponse aux changements climatiques. Dans la présente thèse, j’ai cherché à mieux comprendre les tendances écologiques à grande échelle des métaux traces dans les écosystèmes du Grand Nord canadien. Dans un premier temps, j’ai étudié les effets potentiels d’un climat en changement sur le cycle du mercure dans les lacs et les étangs nordiques. Cette étude pluriannuelle à grande échelle cherchait à déterminer si les mares thermokarstiques à forte activité microbienne pourraient être une source de méthylmercure dans l’est de l’Arctique canadien. Nos résultats démontrent que les mares de fonte de petite taille, omniprésentes dans le Grand Nord, pourraient devenir des sources de méthylmercure pour les écosystèmes aquatiques voisins, en réponse aux changements climatiques. Dans un second temps, cette thèse a examiné l’effet de la productivité aquatique sur la bioaccumulation de méthylmercure dans les organismes aquatiques à la base des réseaux trophiques. J’ai échantillonné des écosystèmes suivant une gamme décroissante de productivité afin d’étudier les implications des changements de productivité sur la bioaccumulation de mercure. Nos résultats suggèrent que dans ces lacs nordiques peu productifs, les indicateurs de la productivité, tels que la biomasse algale et la stoechiométrie des nutriments, ne sont pas les facteurs contrôlant l’accumulation de mercure à la base des réseaux aquatiques. Les troisième et quatrième chapitres de cette thèse se sont concentrées sur le comportement et le destin des éléments de terres rares dans les écosystèmes nordiques. Peu d’études écotoxicologiques ont été menées sur ces métaux et notre objectif principal était d’établir la base de référence avant la prolifération de projets d’exploitation minière aux latitudes nordiques. Nos résultats démontrent que les terres rares suivent des patrons de bioaccumulation spécifiques aux taxons et aux tissus, et que ces contaminants ne sont pas bioamplifiés dans les réseaux trophiques naturels. J’ai également identifié les facteurs environnementaux clés qui influencent la bioaccumulation de terres rares dans le zooplancton d’eau douce, incluant le pH, le carbone organique dissous, et la concentration de terres rares sous forme d’ion libre. Nos études soulignent la pertinence du zooplancton dans le suivi biologique de ces contaminants dans les écosystèmes d’eau douce. Dans un dernier temps, cette thèse met en lumière l’importance de mener de la recherche collaborative avec les communautés autochtones en Arctique, en examinant le succès d’un programme de suivi environnemental communautaire au Nunavik. J'ai contribué à ce projet de surveillance environnementale et à la création d’activités éducatives participatives visant l’intégration du savoir autochtone dans la recherche en écologie. J’ai également examiné comment la mise en place d’ateliers pour chercheurs en début de carrière pouvait jouer un rôle de plateforme-clé pour la réflexion sur les avantages et les défis de la recherche collaborative avec les communautés autochtones. En somme, la présente thèse a grandement amélioré notre compréhension de l’effet des changements socio-environnementaux sur la biodisponibilité et les dynamiques trophiques de mercure et des éléments de terres rares dans les écosystèmes de l’est de l’Arctique canadien. Mieux comprendre les répercussions des changements futurs sur le devenir des métaux traces dans l’environnement est crucial à l’évaluation de l’impact de ces changements sur le Nord et sur les communautés qui y vivent.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.006 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".