Fish as sources and sinks of nutrients in lakes
Notice bibliographique
Résumé
Summary 1. The release of total phosphorus (TP) and nitrogen (N in ammonium) was measured for the five most abundant fish species (>85% of biomass) in Mouse and Ranger Lakes, two biomanipulated, oligotrophic lakes in Ontario. 2. The specific release rate of both nutrients was significantly related to fish mass; log 10 TP release rate ( μ g h −1 ) = 0.793 (±0.109) [log 10 wet mass (g)] + 0.7817 (±0.145), and log 10 N release rate ( μ g h −1 ) = 0.6946 (±0.079) [log 10 wet mass (g)] + 1.7481 (±0.108). 3. When fish nutrient release was standardized for abundance (all populations, 1993–95) and epilimnetic volume, fish were estimated to contribute 0.083 (±0.061) μ g TP L −1 day −1 , and 0.41 (±0.17) μ g N L −1 day −1 in Mouse L., and 0.062 (±0.020) μ g TP L −1 day −1 and 0.31 (±0.08) μ g N L −1 day −1 in Ranger L. 4. In comparison, concurrent rates of total planktonic P regeneration were 1.02 (±0.45) μ g L −1 day −1 (Mouse L.) and 0.85 (±0.19) μ g L −1 day −1 (Ranger L.). Fish represented 8% of planktonic P release in Mouse L. and 7% in Ranger L. 5. Fish dry mass had mean elemental body compositions of 39.3% carbon, 10.9% nitrogen, and 4.0% phosphorus (all fish combined), with a mean molar C : N : P ratio of 27 : 6 : 1. This comprised about 55% and 23% of the total epilimnetic particulate P and N respectively. 6. Turnover times of P and N in fish were approximately 103 and 48 days respectively. In comparison, planktonic turnover times of particulate P in Mouse and Ranger Lakes were 4.3 and 4.4 days respectively. Given their high P content and low turnover rates, fish appear to be important P sinks in lakes.
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 | 0,000 | 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 ».