MétaCan
Menu
Retour à la cohorte
Enregistrement W2884695804 · doi:10.1038/s41598-018-29807-7

Effects of human-driven water stress on river ecosystems: a meta-analysis

2018· article· en· W2884695804 sur OpenAlexfundno aff
Sergi Sabater, Francesco Bregoli, Vicenç Acuña, ‪Damià Barceló, Arturo Elosegi, Antoni Ginebreda, Rafael Marcé, Isabel Muñoz, Laia Sabater-Liesa, Verónica Ferreira

Notice bibliographique

RevueScientific Reports · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesFundação para a Ciência e a TecnologiaEuropean CommissionSeventh Framework ProgrammeCanadian Institute for Advanced Research
Mots-clésEcosystemEnvironmental scienceAquatic ecosystemOrganic matterEcologyWater qualityPrimary productionFreshwater ecosystemBiology

Résumé

récupéré en direct d'OpenAlex

Human appropriation of water resources may induce water stress in freshwater ecosystems when ecosystem needs are not met. Intensive abstraction and regulation cause river ecosystems to shift towards non-natural flow regimes, which might have implications for their water quality, biological structure and functioning. We performed a meta-analysis of published studies to assess the potential effects of water stress on nutrients, microcontaminants, biological communities (bacteria, algae, invertebrates and fish), and ecosystem functions (organic matter breakdown, gross primary production and respiration). Despite the different nature of the flow regime changes, our meta-analysis showed significant effects of human-driven water stress, such as significant increases in algal biomass and metabolism and reduced invertebrate richness, abundance and density and organic matter decomposition. Water stress also significantly decreased phosphate concentration and increased the concentration of pharmaceutical compounds. The magnitude of significant effects was dependent on climate, rainfall regime, period of the year, river size and type of water stress. Among the different causes of water stress, flow regulation by dams produced the strongest effects, followed by water abstraction and channelization.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,560
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,019
Tête enseignante GPT0,247
Écart entre enseignants0,228 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations173
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetFish Ecology and Management StudiesTravaux en français237 207