Disentangling limnological processes in the time‐frequency domain
Notice bibliographique
Résumé
Abstract State variables in lake ecosystems are subject to processes that act on different time scales. The relative importance of each of these processes changes over time, e.g., due to varying constraints of physical, biological, and biogeochemical processes. Correspondingly, continuous automatic measurements at high temporal resolution often reveal intriguing patterns that can rarely be directly ascribed to single processes. In light of the rather complex interplay of such processes, disentangling them requires more powerful methods than researchers have applied up to this point. For this reason, we tested the potential of wavelet coherence, based on the assumption that different processes result in correlations between different variables, on different time scales and during different time windows across the seasons. The approach was tested on a set of multivariate hourly data measured between the onset of an ice cover and a cyanobacterial summer bloom in the year 2009 in the Müggelsee, a polymictic eutrophic lake. We found that processes such as photosynthesis and respiration, the growth and decay of phytoplankton biomass, dynamics in the CO2‐carbonate system, wind‐induced resuspension of particles, and vertical mixing all occasionally served as dominant drivers of the variability in our data. We therefore conclude that high‐resolution data and a method capable of analyzing time series in both the time and the frequency domain can help to enhance our understanding of the time scales and processes responsible for the high variability in driver variables and response variables, which in turn can lay the ground for mechanistic analyses.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».