Contrôles biogéochimiques des concentrations et exports de mercure (Hg) dans les grandes rivières nordiques
Bibliographic record
Abstract
Les grandes rivières nordiques sont un vecteur majeur de Hg vers l’océan Arctique. Toutefois, à grande échelle, les mécanismes d’apport, de perte et de transformation de ce Hg le long du continuum de rivière restent méconnus. Dans cette étude, nous identifions les sources et les puits de Hg au cours d’un cycle annuel dans 18 grandes rivières de la Baie James (Québec) dont les bassins versants totalisent plus de 350 000 km2, couvrant un impressionnant gradient en terme de couverture du sol, de température et d’hydrologie. Nos résultats démontrent que les plans d’eau dans le bassin versant influencent drastiquement les concentrations et exports de Hg et MeHg, suggérant qu’à grande échelle, les lacs sont des puits importants régulant les exports de Hg vers l’océan. Nous explorons ensuite le couplage du Hg avec le COD, un élément clé facilitant les apports de Hg terrestre vers les systèmes aquatiques. Nous démontrons que, bien que le COD explique une partie importante des patrons spatiotemporels de Hg et MeHg, les relations Hg-COD et MeHg-COD sont hautement variables et dépendent de la saisonnalité et de l’hydrologie du système. Ces résultats remettent en question l’utilisation du COD comme indicateur des concentrations et exports de Hg et soulignent l’influence de l’hydrologie sur les patrons de Hg, MeHg et COD dans les grandes rivières nordiques. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Mercure, méthylmercure, grandes rivières, boréal, couverture du paysage, carbone organique dissout, hydrologie, saisonnalité, exports
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".