Do logging and forest fires influence zooplankton biomass in Canadian Boreal Shield lakes?
Notice bibliographique
Résumé
Zooplankton biomass was assessed in 20 reference lakes, nine logged-watershed lakes, and nine burned-watershed lakes during three summers following watershed disturbances by logging or wildfires. Biomass of cladocerans, calanoids, cyclopoids, and rotifers was quantified in the 38 lakes for the first year following disturbances. Limnoplankton biomass in four size fractions was quantified during 3 years following disturbances. One year after disturbances, burned-watershed lakes supported 59% more biomass of the rotifer size fraction of limnoplankton (100-200 µm) than reference lakes, while logged-watershed lakes supported 43% less of calanoid biomass. Two years after disturbances, differences in limnoplankton biomass between burned-watershed lakes and reference lakes were more pronounced than during the first year, while logged-watershed lakes supported levels of limnoplankton biomass no different from those of reference lakes. Three years after disturbances, no significant variations could be detected among the three groups of lakes for any of the limnoplankton size fractions. The proportion of watershed area impacted by logging activities was on average less than half the proportion impacted by wildfires. Nonetheless, both types of disturbances seemed to have opposite effects on the zooplankton biomass during the first year, and the effects did not extend beyond 2 years.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 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 ».