Spatial and temporal patterns in microcystin toxins in Lake of the Woods surface waters
Notice bibliographique
Résumé
Zastepa A, Watson SB, Kling H, Kotak B. 2017. Spatial and temporal patterns in microcystin toxins in Lake of the Woods surface waters. Lake Reserve Manag. 33:433–443.Lake of the Woods (LOW) is a complex system, with limited exchange between its multiple basins and strong spatial variance in physicochemical conditions and susceptibility to cyanobacterial blooms (cHABs). Nutrient input from tributaries has contributed to a highly productive southern basin with widespread cHABs, which are also present in some northern sub-basins. To date, there is no systematic lake-wide assessment of spatial and temporal patterns of microcystins (MCs) in relation to cyanobacterial taxa along physicochemical gradients. To achieve this, surface waters were sampled June to September in 2006, 2008–2010, and 2014–2015 offshore, inshore, and along developed shorelines. Offshore MC measured by ELISA and PPIA was consistently low despite high chlorophyll-a (Chl-a) (e.g. 0.7 µg MC-LR equivalents/L; 126 µg/L Chl-a), with only two cases exceeding the 20 µg MC-LR equivalents/L World Health Organization recreational guideline. LC-MS/MS analysis of MC congeners (2014–2015) showed MC-LR dominating, with MC-LA also present. A strong positive correlation of MC with NO3 (P < 0.005) was observed but not with other nutrients, water transparency, or mixing. The toxicity of phytoplankton biomass was positively correlated with dissolved P and inversely with particulate N:P (P < 0.02, P < 0.001 respectively), suggesting lower toxicity under P-deficiency. Shorelines contained much higher MC concentrations with more than 25% above 20 µg MC-LR equivalents/L in 2006 and 2009 (maximum ∼ 600 µg MC-LR equivalents/L). Several potential producers of MCs were suspected, including Dolichospermum and Microcystis. Cyanobacteria identified in LOW are known elsewhere as producers of other toxins including neurotoxins, but these have not yet been assessed in LOW.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».