Climate change, cyanobacteria blooms and ecological status of lakes: A Bayesian network approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Eutrophication of lakes and the risk of harmful cyanobacterial blooms due is a major challenge for management of aquatic ecosystems, and climate change is expected to reinforce these problems. Modelling of aquatic ecosystems has been widely used to predict effects of altered land use and climate change on water quality, assessed by chemistry and phytoplankton biomass. However, the European Water Framework Directive requires more advanced biological indicators for the assessment of ecological status of water bodies, such as the amount of cyanobacteria. We applied a Bayesian network (BN) modelling approach to link future scenarios of climate change and land-use management to ecological status, incorporating cyanobacteria biomass as one of the indicators. The case study is Lake Vansjø in Norway, which has a history of eutrophication and cyanobacterial blooms. The objective was (i) to assess the combined effect of changes in land use and climate on the ecological status of a lake and (ii) to assess the suitability of the BN modelling approach for this purpose. The BN was able to model effects of climate change and management on ecological status of a lake, by combining scenarios, process-based model output, monitoring data and the national lake assessment system. The results showed that the benefits of better land-use management were partly counteracted by future warming under these scenarios. Most importantly, the BN demonstrated the importance of including more biological indicators in the modelling of lake status: namely, that inclusion of cyanobacteria biomass can lower the ecological status compared to assessment by phytoplankton biomass alone. Thus, the BN approach can be a useful supplement to process-based models for water resource management.
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.
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 | 0,000 | 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 | 0,000 |
| 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 découle