MétaCan
Menu
Retour à la cohorte
Enregistrement W2171453618 · doi:10.1139/f06-113

Salinity controls phytoplankton response to nutrient enrichment in the Great Salt Lake, Utah, USA

2006· article· en· W2171453618 sur OpenAlexvenueno aff
Amy Marcarelli, Wayne A. Wurtsbaugh, Olivia Griset

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2006
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesUtah State University
Mots-clésSalinityPlanktonPhytoplanktonNutrientBayEnvironmental scienceCyanobacteriaBiologyChlorophyll aEcologyOceanographyBotanyGeology

Résumé

récupéré en direct d'OpenAlex

To examine how salinity and nutrient supply interact to control phytoplankton community composition, nutrient limitation, and dinitrogen (N 2 ) fixation rates in the Great Salt Lake (Utah, USA), we conducted a series of bioassay experiments with plankton from both Gilbert Bay, where salinities are near 160 g·L –1 , and Farmington Bay, where salinities range from 10 to 90 g·L –1 . Six-day nutrient addition bioassay experiments showed that the extant phyto plankton communities in both bays were limited by nitrogen (N). However, in 28- to 30-day factorial bioassay experiments in which both salinities and nutrient supply were manipulated, phosphorus stimulated chlorophyll a as much as 500% when salinities were less than 70 g·L –1 and N 2 -fixing cyanobacteria were present. At salinities greater than 70 g·L –1 , or with additions of combined N, N 2 fixation ceased. When N 2 -fixing cyanobacteria were absent, the plankton community was routinely N-limited regardless of salinity. The results of these experiments suggest that nutrient limitation of phyto plankton communities may change depending on salinity levels, because salinity controls whether N 2 -fixing cyanobacteria will be present in the phytoplankton community. Therefore, both salinity and nutrient supply must be considered when making water quality decisions for hypersaline systems such as the Great Salt Lake.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,015
Tête enseignante GPT0,205
Écart entre enseignants0,189 · 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

Citations77
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetMarine and coastal ecosystemsTravaux en français237 207