MétaCan
Menu
Retour à la cohorte
Enregistrement W2332525138 · doi:10.1021/es503981n

Record-Breaking Lake Erie Hypoxia during 2012 Drought

2014· article· en· W2332525138 sur OpenAlexaff
Yuntao Zhou, A. M. Michalak, Dmitry Beletsky, Yerubandi R. Rao, R. Peter Richards

Notice bibliographique

RevueEnvironmental Science & Technology · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesU.S. Army Corps of EngineersU.S. Geological SurveyNational Oceanic and Atmospheric AdministrationU.S. Environmental Protection AgencyNational Science Foundation
Mots-clésHypoxia (environmental)TributaryEnvironmental scienceBloomStructural basinNutrientClimate changeAlgal bloomOceanographyPrecipitationHydrology (agriculture)EcologyGeographyPhytoplanktonBiologyGeologyOxygenMeteorology

Résumé

récupéré en direct d'OpenAlex

Hypoxia has been observed in the central basin of Lake Erie for decades. To understand the impact of various controlling factors, we analyze a record of hypoxic extents for Lake Erie for 1985–2012 and develop a parsimonious model of their interannual variability. We find that the 2012 North American drought and accompanying low tributary discharge was associated with a record-breaking hypoxic event in Lake Erie, whereas a record-setting harmful algal bloom in 2011 was likely associated with only mild hypoxia. River discharge and the timing of nutrient input therefore impact western basin bloom growth and central basin oxygen demand in distinct ways that merit further investigation. Overall, April to June tributary discharge, May to July soluble reactive phosphorus loading, July wind stress, and June northwesterly wind duration explain 82% of the interannual variability of hypoxia, and discharge alone explains 39%, indicating that meteorological factors need to be considered in the development of nutrient management strategies, especially as both extreme precipitation events and droughts become more frequent under a changing climate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,570
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,003
Tête enseignante GPT0,185
Écart entre enseignants0,181 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations85
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetAquatic Ecosystems and Phytoplankton DynamicsTravaux en français237 207