MétaCan
Menu
Retour à la cohorte
Enregistrement W2884546284 · doi:10.5772/intechopen.74112

Understanding Perturbation in Aquatic Insect Communities under Multiple Stressor Threat

2018· book-chapter· en· W2884546284 sur OpenAlexfundno aff
Alexa C. Alexander

Notice bibliographique

RevueInTech eBooks · 2018
Typebook-chapter
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueInsect and Pesticide Research
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaEnvironment and Climate Change Canada
Mots-clésMesocosmStressorEcologyAquatic insectCumulative effectsEcosystemBiologyEnvironmental resource managementEnvironmental scienceHabitat

Résumé

récupéré en direct d'OpenAlex

In the scientific literature, there is a considerable consensus that working toward evaluating multiple stressors is worthwhile. Unfortunately, our means to evaluate the combined effects of multiple stressors on species is limited. In agricultural systems, the relative threat posed to aquatic insect communities due to individual stressors (e.g., individual insecticides) is relatively well understood. However, understanding mixtures of pesticides, let alone the addition of complex and potentially interacting, natural gradients (e.g., nutrients and predation), is far harder. The objective of the following review was to evaluate the individual and combined effects of a range of multiple agricultural stressors on aquatic insect communities using a series of seven outdoor mesocosm experiments conducted since 2003. The mesocosm studies show that macroinvertebrate community responses can be similar, subtle, or even opposing depending on the stressors investigated and the mechanistic or ecological focus of the study. The current focus on individual chemicals and responses to treatment is misleading. Cumulative effects and multiple sublethal stressors are the norm in impacted ecosystems. A simple, holistic approach to environmental risk assessment is needed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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.

Tête enseignante Opus0,269
Tête enseignante GPT0,288
Écart entre enseignants0,019 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInTech eBooksMême sujetInsect and Pesticide ResearchTravaux en français237 207