MétaCan
Menu
Retour à la cohorte
Enregistrement W1574419297 · doi:10.1029/2007wr006310

Interannual variability in trophic status of shallow lakes on the Boreal Plain: Is there a climate signal?

2008· article· en· W1574419297 sur OpenAlexaffabout
G. Z. Sass, Irena F. Creed, Suzanne E. Bayley, K. J. Devito

Notice bibliographique

RevueWater Resources Research · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensUniversity of AlbertaWestern University
Organismes subventionnairesnon disponible
Mots-clésTrophic levelBorealEnvironmental sciencePrecipitationTaigaClimatologyClimate changeCoastal plainGrowing seasonPhysical geographyAtmospheric sciencesEcologyGeographyBiologyGeology

Résumé

récupéré en direct d'OpenAlex

We explored relations between climate and trophic status of shallow lakes (lake area > 5 ha, mean depth < 3.2 m) located on the subhumid western Boreal Plain of Canada. Correlation and regression analyses were used to assess the association between indicators of climate and satellite‐based estimates of trophic status (chlorophyll a (Chl a)). Chl a was derived using red band reflectance of Landsat satellite images for 76 lakes, which were then averaged for each year to produce a landscape median for summer (August) over a 20‐year period from 1984 and 2003. Our results showed that climate was related to interannual changes in trophic status. Average May temperature was positively correlated to Chl a, suggesting the importance of conditions in the early part of the growing season. Growing season effective precipitation (P – PET) was negatively correlated to Chl a such that wetter conditions seemed to lead to a dilution of Chl a. Very wet years resulted in a larger Chl a drop than one expected by a linear model, suggesting greater water contribution from the landscape. P – PET explained 64% of the variance in Chl a using a nonlinear regression tree. Our study offers clues as to how shallow lake systems may behave on the subhumid Boreal Plain as a function of future climate change.

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)0,001
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 enseignants0,086
Score d'incertitude au seuil0,171

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,036
Tête enseignante GPT0,279
Écart entre enseignants0,243 · 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

Citations21
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetAquatic Ecosystems and Phytoplankton DynamicsTravaux en français237 207