MétaCan
Menu
Retour à la cohorte
Enregistrement W4318159558 · doi:10.1139/cjfas-2022-0225

Using a multi-proxy paleolimnological approach to track the effects of multiple stressors on a naturally acidic lake from Killarney Provincial Park (Ontario, Canada)

2023· article· en· W4318159558 sur OpenAlexaffvenueabout
Brigitte Simmatis, Courtney Lanigan, Breanna Lambert, Carsten Meyer‐Jacob, Neal Michelutti, Andrew M. Paterson, John P. Smol

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Invertebrate Ecology and Behavior
Établissements canadiensMinistry of the Environment, Conservation and ParksQueen's University
Organismes subventionnairesnon disponible
Mots-clésPaleolimnologyNational parkAquatic ecosystemAcid depositionEnvironmental scienceClimate changeDiatomEcosystemAcid rainEcologyLimnologyOceanographyEnvironmental chemistryGeologyChemistryBiology

Résumé

récupéré en direct d'OpenAlex

Ruth-Roy Lake (Killarney Provincial Park, Ontario, Canada) is an ultra-oligotrophic, naturally acidic waterbody. Lakes in Killarney Provincial Park were impacted by long-range transportation of contaminants from copper-nickel smelting operations in nearby Sudbury, but recent lake monitoring indicates that Ruth-Roy Lake has been less acidic than inferred pre-industrial pH conditions. We assessed the effects of pH change, reduced sulphur emissions, and drivers of reduced acidity using biological and geochemical paleolimnological techniques. Ruth-Roy Lake experienced notable biological and chemical change over the past ~150 years. All examined proxies supported that Ruth-Roy Lake was naturally acidic but further acidified as early as ca. 1920s, with the strongest acidification signal apparent in ca. 1940s. Biological recovery in diatom and cladoceran assemblages, however, is modest. We highlight the importance of understanding reference conditions to assess ecosystem recovery and climate-mediated change in clear acidic lakes located in industrial landscapes.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil0,180

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,221
Écart entre enseignants0,192 · 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
GenreEmpirique

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

En bref

Citations3
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetAquatic Invertebrate Ecology and BehaviorTravaux en français237 207