Phytoplankton and cyanobacteria abundances in mid‐21st century lakes depend strongly on future land use and climate projections
Notice bibliographique
Résumé
Land use and climate change are anticipated to affect phytoplankton of lakes worldwide. The effects will depend on the magnitude of projected land use and climate changes and lake sensitivity to these factors. We used random forests fit with long-term (1971-2016) phytoplankton and cyanobacteria abundance time series, climate observations (1971-2016), and upstream catchment land use (global Clumondo models for the year 2000) data from 14 European and 15 North American lakes basins. We projected future phytoplankton and cyanobacteria abundance in the 29 focal lake basins and 1567 lakes across focal regions based on three land use (sustainability, middle of the road, and regional rivalry) and two climate (RCP 2.6 and 8.5) scenarios to mid-21st century. On average, lakes are expected to have higher phytoplankton and cyanobacteria due to increases in both urban land use and temperature, and decreases in forest habitat. However, the relative importance of land use and climate effects varied substantially among regions and lakes. Accounting for land use and climate changes in a combined way based on extensive data allowed us to identify urbanization as the major driver of phytoplankton development in lakes located in urban areas, and climate as major driver in lakes located in remote areas where past and future land use changes were minimal. For approximately one-third of the studied lakes, both drivers were relatively important. The results of this large scale study suggest the best approaches for mitigating the effects of human activity on lake phytoplankton and cyanobacteria will depend strongly on lake sensitivity to long-term change and the magnitude of projected land use and climate changes at a given location. Our quantitative analyses suggest local management measures should focus on retaining nutrients in urban landscapes to prevent nutrient pollution from exacerbating ongoing changes to lake ecosystems from climate change.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».