How Might Changing Climate Limit Cyanobacteria Growth in Shallow Prairie Lakes? An Empirical Space-For-Time Evaluation of the Potential Role of Increasing Sulfate
Notice bibliographique
Résumé
Cyanobacteria blooms alter aquatic ecosystems and occur frequently in shallow prairie lakes, which are predicted to increase in salinity as the regional climate becomes hotter and drier. However, flat landscapes that experience depression bottom salinity with high concentrations of sulfate in addition to sodium and chloride, may mitigate nutrient increases or even inhibit cyanobacteria growth. Cyanobacteria can dominate shallow lakes with low N:P ratios because many cyanobacteria species fix dissolved N<sub>2</sub>, whether due to in-lake denitrification or exchange with the atmosphere, a process that requires molybdenum as an enzyme cofactor. Sulfate can compete with molybdate at cellular uptake sites, potentially limiting the competitive advantage of cyanobacteria. We studied 25 lakes located in a relatively limited geographic region of southern Alberta (Canada) and used a space-for-time analysis to model scenarios of increased sulfate concentrations under changing climate. Monthly, we measured nitrogen, phosphorus, sulfate, molybdenum, and cyanobacterial pigments and used mixed effects models to identify empirical relationships. Sulfate drives conductivity in the region and we found that most saline lakes we sampled are turbid lakes with high nutrients and high cyanobacteria biomass. In addition to phosphorus, molybdenum predicted cyanobacterial pigments in the top two models, showing a positive relationship with cyanobacterial biomass. We also found a negative relationship between sulfate concentration and cyanobacteria pigments, which suggests that as lakes get saltier, even with increased nutrients, there may not be an incremental increase in cyanobacteria biomass. Our results therefore suggest that competition between sulfate and molybdate may limit future cyanobacteria growth in shallow lakes and that with a warmer and drier climate it may not be inevitable that shallow lakes will continue to be dominated by cyanobacterial blooms, a hypothesis that could be tested directly via experimentation.
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 | 0,003 | 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 ».