MétaCan
Menu
Retour à la cohorte
Enregistrement W2123751262 · doi:10.1139/f04-085

Nitrogen regulation of algal biomass, productivity, and composition in shallow mountain lakes, Snowy Range, Wyoming, USA

2004· article· en· W2123751262 sur OpenAlexvenueno aff
Koren R. Nydick, Brenda Moraska Lafrançois, Jill S. Baron, Brett M. Johnson

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Geological Survey
Mots-clésPhytoplanktonAlgaeProductivityEnvironmental scienceBiomass (ecology)NutrientChlorophyll aWater columnEcologyOceanographyBiologyBotanyGeology

Résumé

récupéré en direct d'OpenAlex

We investigated the effects of increased nitrate (NO3), alone and in combination with phosphorus (P), on phytoplankton, epilithon, and epipelon in shallow lakes of the Snowy Range, Wyoming, using two enclosure experiments during early and late summer. Phytoplankton responded strongly to N and N + P, but not to P, with increased cell density, chlorophyll a, and photosynthesis and shifts in composition from chrysophytes to cyanophytes, chlorophytes, and diatoms. Zooplankton density and biomass were unaltered despite the additional phytoplankton stock, probably as the result of poor food quality. In the late summer, algae on tiles responded to N and N + P additions with greater chlorophyll a and increases in cyanophyte and chlorophyte density. Algae on sediment dominated whole-enclosure algal biomass but were spatially variable and responded insignificantly to nutrients. Consequently, N controlled productivity and community composition of phytoplankton and algae on hard substrates but had less impact on ecosystem algal biomass because of the large pool of nutrient-sufficient sediment algae. Phytoplankton were more photosynthetically efficient than the benthos, however, such that primary productivity did shift more toward the water column.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,099
Score d'incertitude au seuil0,196

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,011
Tête enseignante GPT0,203
Écart entre enseignants0,192 · 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 source (Gemma direct ou Codex distillé), 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

Citations59
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetAquatic Ecosystems and Phytoplankton DynamicsTravaux en français237 207