MétaCan
Menu
Retour à la cohorte
Enregistrement W2150937243 · doi:10.1080/14634988.2014.979123

The Laurentian Great Lakes in transition: A chronicle of research at the base of the foodweb

2014· article· en· W2150937243 sur OpenAlexaffabout
M. Munawar, I. F. Munawar, M. Fitzpatrick, H. Niblock, Jamie Lorimer

Notice bibliographique

RevueAquatic Ecosystem Health & Management · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesU.S. Environmental Protection Agency
Mots-clésEutrophicationLake ecosystemEcologyProductivityGeographyBayWater qualityEcosystemEnvironmental resource managementFisheryEnvironmental scienceArchaeologyBiologyNutrient

Résumé

récupéré en direct d'OpenAlex

A unique science and management strategy has been developed for the Laurentian Great Lakes due to their enormous size, geographic-ecological diversity, political and economic importance. This article is a documentary of more than 40 years of research conducted at the base of the foodweb by Fisheries and Oceans Canada, which has contributed significantly to the management of the Great Lakes. In the 1960s, the governments of Canada and the United States responded to the threat of cultural eutrophication which eventually resulted in the signing of the binational Great Lakes Water Quality Agreement. Dr. R. A. Vollenweider and Dr. J. R. Vallentyne were instrumental in developing a phosphorus abatement program, as well as the adoption of the “ecosystem approach” resulting in an holistic and integrated protocol for managing multiple environmental stressors. By showcasing some selected examples (Lake Ontario, Bay of Quinte, current research activities), an attempt is made to chronicle the evolution of phytoplankton, primary productivity and microbial foodweb research in the Great Lakes. Some of the research programs, techniques, models, policies and international cooperation are highlighted, in addition to the strong European influences on Great Lakes research. The lessons learned from the long-term Great Lakes research experience could be extrapolated and applied to enhance understanding of the ecology and management of other large lake ecosystems throughout the world.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,563
Score d'incertitude au seuil0,737

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,018
Tête enseignante GPT0,274
Écart entre enseignants0,256 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations4
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAquatic Ecosystem Health & ManagementMême sujetAquatic Ecosystems and Phytoplankton DynamicsTravaux en français237 207