Picophytoplankton during the ice-free season in five temperate-zone rivers
Notice bibliographique
Résumé
Although picophytoplankton (PP) (0.2–2 µm) are ubiquitous in lakes and oceans, their importance in rivers has rarely been studied. We examined PP assemblages during the ice-free period in five rivers of a temperate region varying in trophic state (9–107 µg/L total phosphorus) and water discharge (1–87 m3/s). In these rivers, PP abundance reached concentrations as high as those observed in lakes and oceans (∼104–105 cells/mL). The highest density of PP (4.9 × 105 cells/mL) was observed in the most eutrophic river when the water temperature (28°C) and total phosphorus (293 µg/L) were highest. For the most part, PP abundance was dominated by non-phycoerythrin-containing cyanobacteria; phycocyanin-rich cells accounted for ∼75% of PP abundance in all the rivers. In multiple regression analyses, water temperature and nitrate concentrations explained about half of the variation in PP abundance across the rivers. Discharge had no effect on PP abundance or biomass, whereas it had a significant negative effect on total algal biomass among the rivers. The PP contribution to total chlorophyll-a averaged 27% (ranging 16–46%) and did not decline with increasing nutrients as found in lakes and oceans. The PP biomass from microscopic enumerations reached a maximum of 9% of total phytoplankton biomass, comparable with that observed in lakes. The results of this study demonstrate the importance of including picophytoplankton when analysing phytoplankton communities in rivers.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».