Combining ballast water treatment and ballast water exchange: Reducing colonization pressure and propagule pressure of phytoplankton organisms
Notice bibliographique
Résumé
Species richness and species abundance (colonization pressure and propagule pressure, respectively) are commonly used to characterize invasion risk for ballast-water-mediated introductions, which can be high if either parameter is high. For practical reasons, the adopted IMO-D2 standard for organisms in discharged ballast water only considers total abundance of biological indicators, without consideration of species richness or source community. Here we explore the effect of ballast-water source, ballast water exchange, chlorination, or a combination of both (hybrid treatment) on both colonization pressure and propagule pressure for one IMO-D2 size class (≥10 µm and <50 µm; phytoplankton). A strong reduction of propagule pressure was observed in all experimental trials and taxonomic groups, probably owing to environment conditions inside ballast tanks and treatment effects. However, only the hybrid treatment met the IMO-D2 standard for propagule pressure, while also significantly reducing colonization pressure, from 25 initial groups to 16 final groups. In this treatment, dinoflagellates and diatoms dominated final composition. The impact of different treatments on colonization pressure and propagule pressure was always lower when the vessel was ballasted in a brackish than freshwater port. Our study demonstrates that even treated ballast water compliant with the IMO-D2 standard may still harbor a diverse phytoplankton community, albeit with low individual species abundances. These results might be similar even using a type approved ballast water management systems which usually includes a filter for >50 µm organisms as a pre-treatment.
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 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 | 0,001 | 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 | 0,001 | 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 tête enseignante, 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 ».