MétaCan
Menu
← Retour à la cohorte
Enregistrement W2332018117 · doi:10.11626/kjeb.2015.33.1.001

Global Occurrence of Harmful Cyanobacterial Blooms and N, P-limitation Strategy for Bloom Control

2015· article· en· W2332018117 sur OpenAlexaboutno aff
Chi‐Yong Ahn, Chang Soo Lee, Jae‐Woo Choi, Sang‐Hyup Lee, Hee‐Mock Oh

Notice bibliographique

RevueEnvironmental Biology Research · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesKorea Advanced Institute of Science and Technology
Mots-clésBloomAlgal bloomCyanobacteriaEnvironmental scienceBiologyOceanographyEcologyPhytoplanktonGeologyBacteriaNutrient

Résumé

récupéré en direct d'OpenAlex

Increased harmful algal blooms by cyanobacteria are threatening public health and limiting human activities related with freshwater ecosystems. Phosphorus (P) has long been suggested as a critical nutrient for cyanobacterial bloom through field research in Canada during the 1970s, proposing a P-based freshwater management guideline. However, recently, nitrogen (N) has also been highlighted as an impacting nutrient on cyanobacterial harmful algal blooms (CyanoHABs). Due to the intensive and frequent observation of Microcystis, this kind of paradigm shift from P limitation to season-dependent N or P limitation has an important implication for a dual nutrient management strategy in eutrophic freshwaters. Through recent international researches, general strategies to control CyanoHABs in lakes and reservoirs are as follows: a dual nutrient (N & P) reduction, wastewater collection and treatment, pre-treatment of influent water in buffer zones, dredging of sediment, reduction of residence time, algal collection, and precipitation and flocculation of cyanobacteria. In addition, sustainable and integrative freshwater algae management should be carried out, based on the ecological aspect, because cyanobacteria are not the target organism to be eradicated, but an essential microbial member in the freshwater ecosystem.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,080
Tête enseignante GPT0,353
Écart entre enseignants0,273 · 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

Citations10
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Biology Research→Même sujetAquatic Ecosystems and Phytoplankton Dynamics→Travaux en français237 207→