Phytoplankton responses to nutrient sources in coastal waters off southeastern Australia
Notice bibliographique
Résumé
Reports of visible algal blooms have increased in New South Wales (NSW) coastal waters since 1990. Our three-year, multi-disciplinary study assessed the relative importance of natural and anthropogenic nutrients on the development of phytoplankton blooms in the waters between Port Stephens and Jervis Bay. The hinterland of this region accommodates 85% of the population of the 6.5 million inhabitants of New South Wales, Australia. Three deepwater outfalls represented the principal, continuous, anthropogenic nutrient source with nitrogen mainly in the bioavailable form of ammonia. Sewage effluent typically remained submerged especially during the spring-summer period when algal blooms occur most frequently. On average, coastal catchments contributed relatively small loads of nutrients except during major flood events because extensive estuaries tend to buffer nutrient fluxes to the ocean. Episodic slope water intrusions were the principal source of nitrogen (nitrate) to coastal waters especially during spring and summer. Phytoplankton blooms appeared to occur in response to slope water intrusions irrespective of proximity to other major nutrient sources. A new understanding of mechanisms of slope water intrusion emerged from model simulations and direct observations. A major upwelling event in January 1998, towards the end of the 1997/98 El Niño period, demonstrated the importance of large scale slope water intrusions on the development of algal blooms. Although natural upwelling/uplifting was found to be the principal driver for major algal blooms, it is possible that more subtle impacts of anthropogenic nutrients may be masked by ‘natural’ variability including that due to the El Niño Southern Oscillation.
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 | 0,002 | 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 | 0,000 |
| 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 | 0,002 |
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 ».