The prevalence of nonlinearity and detection of ecological breakpoints across a land use gradient in streams
Notice bibliographique
Résumé
Human activities can alter aquatic ecosystems through the input of nutrients and carbon, but there is increasing evidence that these pressures induce nonlinear ecological responses. Nonlinear relationships can contain breakpoints where there is an unexpected change in an ecological response to an environmental driver, which may result in ecological regime shifts. We investigated the occurrence of nonlinearity and breakpoints in relationships between total dissolved nitrogen (TDN), total dissolved phosphorus (TDP), and total dissolved carbon (DOC) concentrations and ecological responses in streams with varying land uses. We calculated breakpoints using piecewise regression, two dimensional Kolmogorov-Smirnov (2DKS), and significant zero crossings (SiZer) methods. We found nonlinearity was common, occurring in half of all analyses, with some evidence of multiple breakpoints. Linearity, by contrast, occurred in less than 14% of cases, on average. Breakpoints were related to land use gradients, with 34-43% agricultural cover associated with DOC and TDN breakpoints, and 15% wetland and 9.5% urban land associated with DOC and nutrient breakpoints, respectively. While these breakpoints are likely specific to our study area, our study contributes to the growing literature of the prevalence and location of ecological breakpoints in streams, providing watershed managers potential criteria for catchment land use thresholds.
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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».