MétaCan
Menu
Retour à la cohorte
Enregistrement W2016860201 · doi:10.1139/f04-053

Cumulative effects of nutrients and pH on the plankton of two mountain lakes

2004· article· en· W2016860201 sur OpenAlexvenueno aff
Brenda Moraska Lafrançois, Koren R. Nydick, Brett M. Johnson, Jill S. Baron

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2004
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Geological Survey
Mots-clésPlanktonNutrientPhytoplanktonNitrateZooplanktonDinoflagellateChlorophyll aBiomass (ecology)PhotosynthesisChlorophyllBiologyEnvironmental chemistryChemistryEcologyBotanyAnimal science

Résumé

récupéré en direct d'OpenAlex

We conducted enclosure experiments to examine the cumulative effects of nutrient enrichment and acidification on the plankton of two mountain lakes with differing nutrient conditions. The low-nitrate lake responded to N, N plus acid, and N plus acid plus P additions, showing four- to seven-fold increases in chlorophyll a, increased photosynthetic rate, compositional shifts toward large chlorophytes, and decreased zooplankton biomass. The high-nitrate lake responded minimally to either N or P alone but responded strongly to combined additions of N plus acid plus P, showing eightfold increases in chlorophyll a, increased cell density and photosynthetic rates, and compositional shifts toward chlorophytes and the dinoflagellate Gymnodinium. In both study lakes, changes in chlorophyll a were linked to addition of limiting nutrients regardless of pH, whereas shifts in phytoplankton species composition were apparently affected by both nutrient conditions and acidity. The most striking changes in species composition and biomass occurred in combined N plus acid plus P treatments, indicating that continued nutrient enrichment may interact with acidification to produce marked changes in the plankton of mountain lakes.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,013
Tête enseignante GPT0,200
Écart entre enseignants0,187 · 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

Citations34
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetMarine and coastal ecosystemsTravaux en français237 207