Stable patterns in species distributions in metal-contaminated environments
Notice bibliographique
Résumé
A large database of river diatoms (comprising more than 580 taxa) was constituted based on field surveys carried out in 6 different countries (France, Spain, Switzerland, Canada, Vietnam, China), in rivers exposed to various loads of heavy metals in the water. After taxonomy harmonization, the patterns in diatom community structure were investigated for 187 samples, all collected from hard substrates in rivers of circumneutral waters. As the sites were contaminated by a mixture of different metals (mainly Al, As, Cd, Cr, Cu, Fe, Hg, Ni, Pb, Zn) with various loads, metal concentrations were converted into a single score after Clements et al. (2000) in order to determine 4 categories of metal inputs: background, low, moderate and high.\nThe biotypology (i.e. structuration of the diatom dataset) indicates that the species are influenced by the biogeographical context as well as metal inputs. The most structuring environmental parameters are investigated, and discriminating analyses are used to determine the relevance of some particular species (e.g. Eolimna minima, Nitzschia palea, Surirella angusta) as well as teratological forms for the biomonitoring of heavy metal pollutions. Special attention is also given to the information brought by other traits often cited as reliable for metal assessment, i.e. cell size distribution and diatom growth forms and postures.
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 | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».