Recovery of acid damaged zooplankton communities: measurement, extent, and limiting factors
Notice bibliographique
Résumé
Anthropogenic acidification has affected biota in thousands of lakes in eastern North America and Europe. To measure the degree and extent of biological recovery following pH recovery in acidified lakes, many studies have assessed changes occurring in acid-damaged zooplankton communities. In this review we synthesize studies of zooplankton recovery from regions severely affected by acidification. In doing so, we provide a critical overview of: (1) the design of studies used to detect recovery; (2) the status of communities in acidified regions; and (3) our current understanding of the factors that limit recovery. The design of most studies assessing zooplankton recovery fall into three categories based on their selection of data to be used for recovery benchmarks: (1) historical; (2) reference-lakes; and (3) temporal. Within these study designs, the most commonly used metrics include species richness, indicator species, and relative species abundances. Many studies have used species richness as the sole indicator of recovery; however, we argue that additional metrics should be considered in analyses to make conclusions more robust. Studies conducted in eastern North America and Northern Europe have demonstrated significant, though often incomplete, recovery of zooplankton communities in lakes that reach a pH > 6.0. Data collected in central Europe indicate little recovery in the heavily affected Bohemian Forest lakes, but complete recovery of species richness in the moderately acidified Tatra Mountain lakes. Factors limiting biological recovery, including slow chemical recovery, dispersal limitation, and community resistance, vary in importance among and within regions, suggesting that region- and lake-specific management approaches may be required.
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 | 0,000 |
| 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 | 0,000 |
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 ».