DIATOM‐BASED ENVIRONMENTAL INFERENCES AND MODEL COMPARISONS FROM 494 NORTHEASTERN NORTH AMERICAN LAKES<sup>1</sup>
Notice bibliographique
Résumé
The relationships between diatom assemblages and important limnological variables were investigated in 494 lakes from northeastern North America (Pennsylvania, USA, to Nova Scotia, Canada). The limnological variable most significantly related to diatom assemblages was lake water pH, although dissolved organic carbon and nutrients were also important. Based on these strong relationships, highly significant diatom‐based inference models were developed to reconstruct key limnological variables based on diatom assemblages using weighted averaging (WA), maximum likelihood (ML), and modern analogs technique (MAT). The performances of the pH‐inference models were high, similar, and significant (WA: r 2 boot = 0.89, root mean squared error of prediction (RMSEP) = 0.43; ML: r 2 boot = 0.89, RMSEP = 0.45; MAT: r 2 boot = 0.89, RMSEP = 0.46). In addition, distribution of sites along a pH gradient did not have the anticipated bias, especially with respect to the WA model, although an evenly distributed study set did result in slightly less noise. While some regionally specific information may be lost by utilizing a large number of lakes from a wide geographic area, the broad limnological gradients allow a more realistic, accurate, and complete description of the ecological characteristics of diatom species. In addition to providing new autecological data on diatoms for northeastern North America, these inference models can now be used to infer accurately and precisely lake water pH and associated variables for limnologists and lake managers.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».