Laurentian Great Lakes Phytoplankton and Their Water Quality Characteristics, Including a Diatom-Based Model for Paleoreconstruction of Phosphorus
Notice bibliographique
Résumé
Recent shifts in water quality and food web characteristics driven by anthropogenic impacts on the Laurentian Great Lakes warranted an examination of pelagic primary producers as tracers of environmental change. The distributions of the 263 common phytoplankton taxa were related to water quality variables to determine taxon-specific responses that may be useful in indicator models. A detailed checklist of taxa and their environmental optima are provided. Multivariate analyses indicated a strong relationship between total phosphorus (TP) and patterns in the diatom assemblages across the Great Lakes. Of the 118 common diatom taxa, 90 (76%) had a directional response along the TP gradient. We further evaluated a diatom-based transfer function for TP based on the weighted-average abundance of taxa, assuming unimodal distributions along the TP gradient. The r(2) between observed and inferred TP in the training dataset was 0.79. Substantial spatial and environmental autocorrelation within the training set of samples justified the need for further model validation. A randomization procedure indicated that the actual transfer function consistently performed better than functions based on reshuffled environmental data. Further, TP was minimally confounded by other environmental variables, as indicated by the relatively large amount of unique variance in the diatoms explained by TP. We demonstrated the effectiveness of the transfer function by hindcasting TP concentrations using fossil diatom assemblages in a Lake Superior sediment core. Passive, multivariate analysis of the fossil samples against the training set indicated that phosphorus was a strong determinant of historical diatom assemblages, verifying that the transfer function was suited to reconstruct past TP in Lake Superior. Collectively, these results showed that phytoplankton coefficients for water quality can be robust indicators of Great Lakes pelagic condition. The diatom-based transfer function can be used in lake management when retrospective data are needed for tracking long-term degradation, remediation and trajectories.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».