Low sediment redox promotes cyanobacteria blooms across a trophic range: implications for management
Notice bibliographique
Résumé
Molot LA, Schiff SL, Venkiteswaran JJ, Baulch HM, Higgins SN, Zastepa A, Verschoor MJ, Walters D. 2021. Low sediment redox promotes cyanobacteria blooms across a trophic range: implications for management. Lake Reserv Manage. 37:120–142. Field observations and experimental manipulations with different oxidizing agents including nitrate demonstrate that high sediment redox prevents cyanobacteria blooms in eutrophic freshwaters. Conversely, low sediment redox caused by depletion of dissolved oxygen and nitrate allows blooms to form. This explains why bloom risk increases with phosphorus levels: Higher productivity increases the spatial and temporal extent of low sediment redox. The intermediate link between low redox and cyanobacteria blooms appears to be internal loading of ferrous iron (Fe2+) from reduced sediments with diffusion to depths accessible to migrating cyanobacteria, providing a source for their high iron demand. Regardless of whether Fe2+ release is the intermediate link, the concept of “low sediment redox as promoter” has major potential to improve bloom management if managers consider the impact of their nutrient management choices, nutrient targets, and in-lake methods on sediment redox. Phosphorus input targets can be adjusted as climate change alters the extent of anoxia, and short-term bloom prediction models that incorporate the sediment redox concept could predict onset of blooms earlier than current models that depend on detection of photosynthetic pigments associated with blooms.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».