MétaCan
Menu
Retour à la cohorte
Enregistrement W3151649533 · doi:10.1002/lno.11739

The extent and variability of storm‐induced temperature changes in lakes measured with long‐term and high‐frequency data

2021· article· en· W3151649533 sur OpenAlexafffund
Jonathan P. Doubek, Orlane Anneville, Gaël Dur, Aleksandra M. Lewandowska, Vijay P. Patil, James A. Rusak, Nico Salmaso, Christian Torsten Seltmann, Dietmar Straile, Pablo Urrutia‐Cordero, Patrick Venail, Rita Adrian, María Belén Alfonso, Curtis L. DeGasperi, Elvira de Eyto, Heidrun Feuchtmayr, Evelyn E. Gaiser, Scott F. Girdner, Jennifer L. Graham, Hans‐Peter Grossart, Josef Hejzlar, Stéphan Jacquet, Georgiy Kirillin, María Eugenia Llames, Shin‐ichiro S. Matsuzaki, Emily R. Nodine, María Cintia Píccolo, Donald C. Pierson, Alon Rimmer, Lars G. Rudstam, Steven Sadro, Hilary M. Swain, Stephen J. Thackeray, Wim Thiery, Piet Verburg, Tamar Zohary, Jason D. Stockwell

Notice bibliographique

RevueLimnology and Oceanography · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensQueen's UniversityMinistry of the Environment, Conservation and Parks
Organismes subventionnairesNatural Environment Research CouncilLeibniz-GemeinschaftVermont Water Resources and Lake Studies Center, University of VermontHorizon 2020 Framework ProgrammeAgencia Nacional de Promoción Científica y TecnológicaU.S. Geological SurveyUniversidad Nacional del SurGrantová Agentura České RepublikyConsejo Nacional de Investigaciones Científicas y TécnicasUmweltbundesamtBiodiversa+Global Lake Ecological Observatory NetworkNew York State Department of Environmental ConservationU.S. Department of StateFondation pour la Recherche sur la BiodiversiteSight Research UKBelgian Federal Science Policy OfficeFraternal Order of EaglesNational Science Foundation
Mots-clésStormEnvironmental scienceHypolimnionPrecipitationEpilimnionWind speedAtmospheric sciencesWatershedClimate changeClimatologyHydrology (agriculture)GeologyEutrophicationOceanographyMeteorologyEcologyGeographyNutrient

Résumé

récupéré en direct d'OpenAlex

Abstract The intensity and frequency of storms are projected to increase in many regions of the world because of climate change. Storms can alter environmental conditions in many ecosystems. In lakes and reservoirs, storms can reduce epilimnetic temperatures from wind‐induced mixing with colder hypolimnetic waters, direct precipitation to the lake's surface, and watershed runoff. We analyzed 18 long‐term and high‐frequency lake datasets from 11 countries to assess the magnitude of wind‐ vs. rainstorm‐induced changes in epilimnetic temperature. We found small day‐to‐day epilimnetic temperature decreases in response to strong wind and heavy rain during stratified conditions. Day‐to‐day epilimnetic temperature decreased, on average, by 0.28°C during the strongest windstorms (storm mean daily wind speed among lakes: 6.7 ± 2.7 m s −1 , 1 SD) and by 0.15°C after the heaviest rainstorms (storm mean daily rainfall: 21.3 ± 9.0 mm). The largest decreases in epilimnetic temperature were observed ≥2 d after sustained strong wind or heavy rain (top 5 th percentile of wind and rain events for each lake) in shallow and medium‐depth lakes. The smallest decreases occurred in deep lakes. Epilimnetic temperature change from windstorms, but not rainstorms, was negatively correlated with maximum lake depth. However, even the largest storm‐induced mean epilimnetic temperature decreases were typically <2°C. Day‐to‐day temperature change, in the absence of storms, often exceeded storm‐induced temperature changes. Because storm‐induced temperature changes to lake surface waters were minimal, changes in other limnological variables (e.g., nutrient concentrations or light) from storms may have larger impacts on biological communities than temperature changes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,211
Écart entre enseignants0,199 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations28
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLimnology and OceanographyMême sujetAquatic Ecosystems and Phytoplankton DynamicsTravaux en français237 207