Nearshore human interventions reverse patterns of decline in lake calcium budgets in central Ontario as demonstrated by mass‐balance analyses
Notice bibliographique
Résumé
Calcium (Ca) has declined to levels threatening aquatic biota in lakes on the eastern Canadian Shield. Predictive models for future changes in lake Ca are generally based on catchment‐scale studies, but these models rarely account for unmeasured sources of Ca supply that are common in the nearshore areas of developed lakes. In this study we utilize up to 29 years of hydrological and water chemistry data for three lakes in central Ontario that differ in degree of human intervention to demonstrate that shoreline development may exert large effects on Ca mass balances. In the relative absence of shoreline development, Red Chalk Lake exhibited what we consider to be the normal response, a reduction in Ca load from the catchment over the last three decades, leading to a reduction in lake export and lake Ca concentration. Calcium load, export, and lake water Ca concentration also fell in Harp Lake, but less than in Red Chalk Lake, because Ca loads were elevated by human activities in Harp Lake's moderately developed shoreline area. By contrast, Dickie Lake experienced an exceptional change in Ca dynamics: both export and lake concentrations rose because of elevated load from the shoreline area linked to the use of dust suppressants on gravel roads. Reductions in both stream Ca concentration and flow volume have led to calcium decline in streams and lakes. Long‐term soil acidification processes and climatic variability with its link to hydrology can explain the general pattern of Ca decline in lakes on the south‐central Canadian Shield. However, given the widespread lakeshore development and use of dust suppressants on gravel roads, predictions of lake Ca levels need to take into account nearshore activities, especially those that augment rates of Ca supply.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».