Integrating mesocosm experiments with field and laboratory studies to generate Weight-of-Evidence risk assessments for ecosystem health
Notice bibliographique
Résumé
Assessing ecosystem health of large rivers is often complicated because these ecosystems receive multiple, interacting effluent discharges. Confounding factors, such as complicated mixing hydraulics and historical loading effects, can result in equivocal field data that lend weak inference to ecological risk assessments. Within Environment Canada's National Water Research Institute (NWRI) one approach to this problem develops a strategy that defines important mechanisms of pollutant effects through the combined use of laboratory and field measurements, riverside mesocosm experiments, and the incorporation of indicators at several trophic levels. We integrate these different types of information through weight-of-evidence postulates that provide logical guidelines for establishing causation in ecological risk assessment. Using this approach, retrospective risk assessments on a number of Canadian rivers indicates that the major effect of present effluent discharges from pulp mills has been one of nutrient enrichment and stimulation of food web productivity. The combination of field experiments with this weight-of-evidence approach yielded the scientific justification for a conceptual model that describes community shifts across a nutrient-contaminant gradient. The purpose of this is paper is to illustrate the utility of riverside mesocosms in assessing ecological impacts of point-source discharges. We conclude that the use of stream mesocosms with the weight-of-evidence approach is highly useful for establishing a mechanistic understanding of community responses to stressors at a regional scale. In addition, this approach will be useful when greater understanding of a particular class of anthropogenic stressors (e.g., specific types of effluent) is required to improve regulatory guidelines.
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) | 0,001 | 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) | 0,000 | 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 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 ».