Validating species sensitivity distributions using salinity tolerance of riverine macroinvertebrates in the southern Murray–Darling Basin (Victoria, Australia)
Notice bibliographique
Résumé
Species sensitivity distributions (SSDs) are commonly used in risk assessment and in setting water quality guidelines, yet their predictions have not been validated against loss of species with increasing pollutant concentrations in nature. We used a rapid toxicity testing method to determine the acute salinity tolerance (72 h LC 50 values (concentration of salinity lethal to 50% of individuals)) of 110 macroinvertebrate taxa from the southern Murray–Darling Basin in central Victoria, Australia, and construct an SSD. This SSD was compared with loss of riverine macro invertebrates species from increasing salinity in Victoria. Macroinvertebrate species richness per individual sample, when salinity was <9.9 mS·cm –1 , was invariant of salinity. However, when species richness was calculated across multiple samples above about 0.3–0.5 mS·cm –1 , it declined with increasing salinity. This decline was predicted from the SSD after application of a variable safety factor calculated from an exponential or quadratic equation. Our findings confirm that SSDs can predict the loss of freshwater macroinvertebrate species from increases in salinity. This suggests that SSDs may be useful more generally for other aquatic organisms, other stressors, and toxicants.
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 | 0,001 | 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 | 0,002 |
| 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 ».