Étude des variations spatiales et temporelles du mercure en Arctique : utilisation des dents et des poils des prédateurs supérieurs comme tissus de biomonitoring
Bibliographic record
Abstract
Les tendances spatiales et temporelles du mercure en Arctique ont été étudiées au travers de l’analyse de ce métal dans les tissus durs, i.e. dents et poils, des phoques annelés (Phoca hispida) et des ours polaires (Ursus maritimus). Aucune influence du sexe sur les concentrations n’a été détectée dans les tissus de ces deux espèces alors que l’âge est apparu comme un facteur d’influence important.Deux tendances spatiales ont été observées dans les tissus de ces deux espèces : un premier gradient d’augmentation du mercure de l’Est vers l’Ouest de l’Arctique, i.e. de Svalbard, vers le Groenland et enfin, l’Arctique canadien, et un second du Sud vers le Nord de l’Arctique canadien, résultant très probablement de la minéralogie du socle rocheux, mais aussi potentiellement de facteurs biotiques et abiotiques.Une tendance à l’augmentation des concentrations de mercure a été globalement détectée entre la période préindustrielle et la fin du XXe siècle. Cependant, les variations temporelles associées à la seconde partie du XXe siècle révèlent une augmentation continue dans l’Ouest de l’Arctique et une tendance à la diminution dans l’Est de l’Arctique, cette différence étant probablement liée à des apports distincts des masses d’air atmosphériques à ces deux régions. Par ailleurs, une composante de variabilité climatique pourrait contribuer aux variations observées ces dernières décennies en influençant les habitudes alimentaires de ces prédateurs marins arctiques. Ainsi, les isotopes stables d’azote et de carbone s’avèrent être un outil essentiel à coupler aux études sur les tendances de mercure pour permettre de déterminer la part d’un changement dans le régime alimentaire ou dans les niveaux environnementaux.Cette étude a mis en évidence l’importance des poils comme tissu de monitoring non-invasif et pertinent pour un suivi régulier voire annuel tandis que l’utilisation des dents s’avère être plus adaptée à la reconstruction de tendances sur le long-terme.
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 | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 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".