MétaCan
Menu
Retour à la cohorte
Enregistrement W2078142483 · doi:10.1139/f06-180

Periphyton biomass response to changing phosphorus concentrations in a nutrient-impacted river: a new methodology for phosphorus target setting

2007· article· en· W2078142483 sur OpenAlexvenueno aff
Michael J. Bowes, J.T. Smith, John Hilton, Michael M. Sturt, Patrick D. Armitage

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPeriphytonNutrientPhosphorusBiomass (ecology)Environmental scienceRiver ecosystemEnvironmental chemistryAnimal scienceEutrophicationAlgaeEcologyChemistryHydrology (agriculture)EcosystemBiologyGeology

Résumé

récupéré en direct d'OpenAlex

Nutrient modification experiments were conducted in streamside flumes to determine the concentration at which P limits algal growth in the mesotrophic River Frome, Dorset, UK. The soluble reactive P (SRP) concentration in each flume was either increased (by P addition), decreased (by precipitating P with iron(II) sulphate solution), or left unaltered (control), producing SRP concentrations ranging from 32 to 420 µ·L –1 . Increasing the ambient SRP concentration did not increase epilithic algal growth, showing that the River Frome was not P limited at 109 µ SRP·L –1 . In the P-stripped flumes, algal biomass declined as the SRP concentration fell below ~90 µ·L –1 , with a 60% biomass reduction at <40 µ SRP·L –1 . Phosphorus-diffusing periphytometers deployed in the P-stripped flumes confirmed that reduced rates of algal growth were due to P limitation rather than a physical effect of FeSO 4 addition. The ~90 µ·L –1 maximum P-limiting concentration is likely to be similar for comparable nutrient-impacted rivers. This iron-stripping approach expands the existing river nutrient-enrichment methodology so that it can be used in nutrient-impacted rivers and should allow catchment managers to produce knowledge-based P reduction targets prior to introducing remediation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,240
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,026
Tête enseignante GPT0,261
Écart entre enseignants0,235 · 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 tête enseignante, 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

Citations50
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207