Trade-offs Between Light and Nutrient Availability Across Gradients of Dissolved Organic Carbon Lead to Spatially and Temporally Variable Responses of Lake Phytoplankton Biomass to Browning
Notice bibliographique
Résumé
Abstract Northern lakes are experiencing widespread increases in dissolved organic carbon (DOC) that are likely to lead to changes in pelagic phytoplankton biomass. Pelagic phytoplankton biomass responds to trade-offs between light and nutrient availability. However, the influence of DOC light absorbing properties and carbon–nutrient stoichiometry on phytoplankton biomass across seasonal or spatial gradients has not been assessed. Here, we analyzed data from almost 5000 lakes to examine how the carbon–phytoplankton biomass relationship is influenced by seasonal changes in light availability, DOC light absorbing properties (carbon-specific visual absorbance, SVA 420 ), and DOC–nutrient [total nitrogen (TN) and total phosphorus (TP)] stoichiometry, using TOC as a proxy for DOC. We found evidence for trade-offs between light and nutrient availability in the relationship between DOC and phytoplankton biomass [chlorophyll (chl)- a ], with the shape of the relationship varying with season. A clear unimodal relationship was found only in the fall, particularly in the subsets of lakes with the highest TOC:TP. Observed trends of increasing TOC:TP and decreasing TOC:TN suggest that the effects of future browning will be contingent on future changes in carbon–nutrient stoichiometry. If browning continues, phytoplankton biomass will likely increase in most northern lakes, with increases of up to 76% for a 1.7 mg L −1 increase in DOC expected in subarctic regions, where DOC, SVA 420 , DOC:TN, and DOC:TP are all low. In boreal regions with higher DOC and higher SVA 420 , and thus lower light availability, lakes may experience only moderate increases or even decreases in phytoplankton biomass with future browning.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».