Blooming algae: a Canadian perspective on the rise of toxic cyanobacteria
Notice bibliographique
Résumé
Algal bloom reports are on the rise across Canada. While eutrophication is the main driver, other stressors of aquatic ecosystems, specifically climate change and food web alterations from the spread of invasive species and overfishing, are compounding factors acting in concert or independently. Current models can predict the average algal and cyanobacterial biomass concentrations across temperate lakes as a function of nutrients, but models to specifically predict harmful algal composition and toxicity are lacking. At the within-lake scale, where management occurs, strong year to year variations in cyanobacterial blooms remain challenging to explain, let alone predict. The most common cyanotoxins, the hepatotoxic microcystins, are chemically diverse with some variants more toxic than others and with greater propensity for persistence and bioaccumulation. These differences have been largely overlooked, as current guidelines have been based on microcystin-LR, considered the most common variant. Microcystin-LA is also encountered in Canadian waters and appears to exhibit greater persistence and bioaccumulation. With cyanobacterial blooms most likely to increase across the country, including the north, guidelines and policies for cyanotoxins in drinking and recreational waters as well as fish will need to be developed for the protection of ecosystem and human health. Ultimately, control of eutrophication is the most important option for managing toxic cyanobacterial blooms; nitrogen and phosphorus need to be considered as environmental contaminants, as both play a role in controlling the dominance of toxigenic cyanobacteria.
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 | 0,001 | 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 | 0,001 |
| 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 ».