MétaCan
Menu
Retour à la cohorte
Enregistrement W4280501854 · doi:10.1016/j.watres.2022.118573

The role of organic nutrients in structuring freshwater phytoplankton communities in a rapidly changing world

2022· review· en· W4280501854 sur OpenAlexafffund
Kaitlin L. Reinl, Ted D. Harris, Inge Elfferich, Ayooluwateso Coker, Qing Zhan, Lisette N. de Senerpont Domis, Ana M. Morales‐Williams, Ruchi Bhattacharya, Hans‐Peter Grossart, Rebecca L. North, Jon N. Sweetman

Notice bibliographique

RevueWater Research · 2022
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesGlobal Lake Ecological Observatory NetworkNational Science Foundation
Mots-clésPhytoplanktonNutrientEutrophicationEnvironmental scienceEcologyOrganic matterPhosphorusPlanktonBiologyChemistry

Résumé

récupéré en direct d'OpenAlex

Carbon, nitrogen, and phosphorus are critical macroelements in freshwater systems. Historically, researchers and managers have focused on inorganic forms, based on the premise that the organic pool was not available for direct uptake by phytoplankton. We now know that phytoplankton can tap the organic nutrient pool through a number of mechanisms including direct uptake, enzymatic hydrolysis, mixotrophy, and through symbiotic relationships with microbial communities. In this review, we explore these mechanisms considering current and projected future anthropogenically-driven changes to freshwater systems. In particular, we focus on how naturally- and anthropogenically- derived organic nutrients can influence phytoplankton community structure. We also synthesize knowledge gaps regarding phytoplankton physiology and the potential challenges of nutrient management in an organically dynamic and anthropogenically modified world. Our review provides a basis for exploring these topics and suggests several avenues for future work on the relation between organic nutrients and eutrophication and their ecological implications in freshwater systems.

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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,050
Tête enseignante GPT0,312
Écart entre enseignants0,262 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations97
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater ResearchMême sujetAquatic Ecosystems and Phytoplankton DynamicsTravaux en français237 207