MétaCan
Menu
Retour à la cohorte
Enregistrement W2018755813 · doi:10.1080/14634980903579942

Long-term changes in the Changjiang Estuary plankton community related to anthropogenic eutrophication

2010· article· en· W2018755813 sur OpenAlexfundno aff
Yun Li, Daoji Li, Jingliang Tang, Yiming Wang, Zhigang Liu, Song-Qin He

Notice bibliographique

RevueAquatic Ecosystem Health & Management · 2010
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesBijzonder Onderzoeksfonds UGentMinistry of Science and Technology of the People's Republic of ChinaUniversité de Sherbrooke
Mots-clésEutrophicationPlanktonDominance (genetics)PhytoplanktonEnvironmental scienceEstuaryZooplanktonEcologyNutrientPopulationOceanographyWater columnDiatomAlgal bloomBiology

Résumé

récupéré en direct d'OpenAlex

The Changjiang River is well-known to channel significant anthropogenic influences to the estuary. However, long-term changes in plankton community related to anthropogenic eutrophication in the estuarine water are not well documented. In this paper, data from a nine year study (1996, 1998–2005) on suspended matter, chemical oxygen demand, nutrients and plankton community were collected and analyzed by principal component analysis. These data reveal that N/P ratio was always much higher than 40 and Si/N ratio decreased from 1.35 to 0.94 between 1996 and 2005. As an ecological consequence to such nutrient balance changes, phytoplankton species diversity and the dominance of diatoms decreased, dinoflagellates increasingly dominated the phytoplankton population, and the frequency of harmful algal blooms caused by dinoflagellates also increased. Furthermore, due to the reduced diatom availability, the dominance of copepods decreased, zooplankton diversity increased, and medusae increasingly dominated the zooplankton population. Water column nutrient ratios, therefore, are also important factors affecting anthropogenic eutrophication, as are the contamination loadings from land.

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 enseignants0,024
Score d'incertitude au seuil0,048

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
Bibliométrie0,0010,001
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 Opus0,022
Tête enseignante GPT0,266
Écart entre enseignants0,244 · 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

Citations36
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAquatic Ecosystem Health & ManagementMême sujetMarine and coastal ecosystemsTravaux en français237 207