Simulating water quality and ecological status of Lake Vansjø, Norway, under land-use and climate change by linking process-oriented models with a Bayesian network
Notice bibliographique
Résumé
Excess nutrient inputs and climate change are two of multiple stressors affecting many lakes worldwide. Lake Vansjø in southern Norway is one such eutrophic lake impacted by blooms of toxic blue-green algae (cyanobacteria), and classified as moderate ecological status under the EU Water Framework Directive. Future climate change may exacerbate the situation. Here we use a set of chained models (global climate model, hydrological model, catchment phosphorus (P) model, lake model, Bayesian Network) to assess the possible future ecological status of the lake, given the set of climate scenarios and storylines common to the EU project MARS (Managing Aquatic Ecosystems and Water Resources under Multiple Stress). The model simulations indicate that climate change alone will increase precipitation and runoff, and give higher P fluxes to the lake, but cause little increase in phytoplankton biomass or changes in ecological status. For the storylines of future management and land-use, however, the model results indicate that both the phytoplankton biomass and the lake ecological status can be positively or negatively affected. Our results also show the value in predicting a biological indicator of lake ecological status, in this case, cyanobacteria biomass with a BN model. For all scenarios, cyanobacteria contribute to worsening the status assessed by phytoplankton, compared to using chlorophyll-a alone.
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 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».