Cyanobacteria in North America: modelling across nutrient and temperature gradients
Notice bibliographique
Résumé
Les proliférations de cyanobactéries sont des sujets de préoccupation à l'échelle globale en raison de leur capacité de former des écumes denses qui épuisent l'oxygène dissoute et qui peuvent produire des toxines, nuisant à l'utilisation des plans d'eau tant pour l'eau potable que les loisirs. La modélisation de la biomasse et de la dominance des cyanobactéries a préalablement démontré que leur abondance augmente de façon concomitante avec les nutriments dans les systèmes d'eau douce. Bien que la température et la stratification de la colonne d'eau soient de plus en plus citées comme facteurs favorisant la prolifération des cyanobactéries, ces associations sont surtout basées sur des études en laboratoire et de lacs individuels. En outre, il n'a pas été bien démontré que les modèles développés sur d'importants gradients spatiaux s'appliquent de façon adéquate à l'échelle régionale, où la biomasse pourrait aussi être modulée par des variables additionnels. Cette thèse évalue les effets de la température, des nutriments et d'autres prédicteurs sur la biomasse des cyanobactéries dans les lacs d'Amérique du Nord, à travers le développement de modèles général ainsi que des modèles tenant compte des spécificités régionales. Dans le premier chapitre, je présente une analyse exhaustive d'un ensemble de données de plus de 1000 lacs. Utilisant cet ensemble de données, où la plupart des lacs ont été échantillonnés une seule fois au cours de la saison de croissance, j'ai démontré que les concentrations de nutriments (azote et phosphore) et la température étaient des prédicteurs significatifs de la biomasse des cyanobactéries. L'effet de la température sur la biomasse des cyanobactéries est statistiquement indépendant de celui des nutriments. Ces résultats suggèrent que le réchauffement des eaux de surface pourrait entraîner une augmentation de la biomasse des cyanobactéries dans les lacs. Les effets des variables différaient entre les systèmes étudies (profonds, peu profond ; lac naturel, réservoir). Les meilleurs modèles ont été développés pour lacs naturels profonds. Dans le deuxième chapitre de cette thèse, j'ai examiné un ensemble de données inédites basées sur les moyennes saisonnières de 88 lacs provenant de trois régions du Canada (l'Alberta, la Colombie-Britannique et l'Ontario). J'ai développé des modèles prédictifs généraux et examiné comment les modèles pouvaient différer entre les régions en utilisant la modélisation linéaire générale et la modélisation à effets mixtes. Les prédicteurs environnementaux ressortant furent similaires à ceux du premier chapitre mais, tel qu'attendu, les modèles utilisant les moyennes saisonnières expliquèrent une plus grande proportion de la variance de la biomasse des cyanobactéries car elles sont plus représentatives. Ces modèles ont aussi relevé des différences claires entre l'Ontario et les autres provinces mais l'inclusion d'avantage de lacs de l'Ontario dans l'analyse serait nécessaire afin de résoudre pourquoi c'est le cas. Dans l'ensemble, cette thèse enrichit notre compréhension des variables influençant la prolifération des cyanobactéries dans les lacs. Elle démontre clairement que, par l'enrichissement continu en nutriments et le réchauffement des eaux de surface, une augmentation de la biomasse des cyanobactéries dans les lacs nord-américains serait attendue.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».