Spatial and temporal patterns of urea content in a eutrophic stream continuum on the Northern Great Plains
Notice bibliographique
Résumé
Abstract Urea can degrade water quality and stimulate toxic phytoplankton in P-rich lakes, yet little is known of its sources, abundance, or transportation in lotic systems, particularly within the Northern Great Plains. We measured physico-chemical parameters biweekly during May–September 2010–2012 at 16 stations along a 250 km lotic continuum to quantify spatial and temporal variation in urea concentrations and discharge, and to identify potential regulatory processes. Urea concentrations were similar to those in regional prairie lakes (range 5.2–792.1, median 78.6 μg N L −1 ) with variable seasonal mean (± SD) concentrations (96.6 ± 96.1 μg N L −1 ) and fluxes (4.22 × 10 5 ± 257.6 μg N s −1 ). Landscape analysis with generalized additive models explained 68.3% of deviance in urea concentrations, with high temporal variability predicted mainly by positive relationships with nutrient content and chlorophyte abundance, but not temperature, dissolved organic matter, bacterial abundance, or urban effluent. Seasonal analysis revealed that during spring, urea content was correlated negatively with leguminous forage cover (% area) and positively with stream discharge, oilseed and cereal crops, and shrubs or deciduous plants, while during summer, urea concentrations were correlated negatively with discharge and leguminous crop cover, as well as nutrient levels. Mean porewater urea concentrations (528.5 ± 229.8 μg N L −1 ) were over five-fold greater than stream concentrations, suggesting that hyporheic production may offset declining influx from terrestrial sources during summer. We conclude that urea may be ubiquitous in eutrophic prairie streams and that management of its export from land may reduce detrimental effects on downstream lakes.
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 | 0,000 |
| 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 ».