Response of <i>Microcystis</i> and <i>Stephanodiscus</i> to Alternative Flow Regimes of the Regulated River Nakdong (South Korea) Quantified By Model Ensembles Based on the Hybrid Evolutionary Algorithm (HEA)
Notice bibliographique
Résumé
Abstract This study demonstrates the use of inferential models for scenario analyses by simulating direct and indirect effects of predictor variables on state variables through model ensembles. Two model ensembles have been designed to predict the response of the cyanobacterium Microcystis aeruginosa and the diatom Stephanodiscus hantzschii to modified flow regimes of the River Nakdong (Korea) by a scenario analysis. Whilst flow‐independent predictor variables of growth of Microcystis and Stephanodiscus such as water temperature and pH remain unchanged during the scenario analysis, flow‐dependent predictor variables such as turbidity, electrical conductivity, phosphate, nitrate, silica and chlorophyll a are forecasted by inferential models. In the course of scenario analysis, flow‐independent and flow‐dependent predictor variables feed into the Microcystis and Stephanodiscus models to make sure that both direct and indirect effects of altered flow regimes are taken into account. The eight inferential models that were incorporated into the model ensembles have been developed by the hybrid evolutionary algorithm based on 19 years of time‐series monitored in the River Nakdong between 1993 and 2012. The models achieved good accuracy in terms of timing and magnitudes reflected by coefficients of determination r2 = 0.94 for Microcystis and r2 = 0.83 for Stephanodiscus. The scenario analysis revealed that extreme summer blooms of Microcystis as observed between 1994 and 1997, and winter blooms of Stephanodiscus as observed between 1994 and 1997 and in 2004 can be prevented in the River Nakdong by adaptive management of seasonal water release from adjacent dams. Copyright © 2017 John Wiley & Sons, Ltd.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».