Global historical trends and drivers of submerged aquatic vegetation quantities in lakes
Notice bibliographique
Résumé
Submerged aquatic vegetation (SAV) in lake littoral zones is an inland water wetland type that provides numerous essential ecosystem services, such as supplying food and habitat for fauna, regulating nutrient fluxes, stabilizing sediments, and maintaining a clear water state. However, little is known on how inland SAV quantities are changing globally in response to human activities, where loss threatens the provisioning of these ecosystem services. In this study, we generate a comprehensive global synthesis of trends in SAV quantities using time series (>10 years) in lakes and identify their main drivers. We compiled trends across methods and metrics, integrating both observational and paleolimnological approaches as well as diverse measures of SAV quantities, including areal extent, density, or abundance classes. The compilation revealed that knowledge on SAV is mostly derived from temperate regions, with major gaps in tropical, boreal, and mountainous lake-rich regions. Similar to other wetland types, we found that 41% of SAV times series are largely decreasing mostly due to land use change and resulting eutrophication. SAV is, however, increasing in 28% of cases, primarily since the 1980s. We show that trends and drivers of SAV quantities vary regionally, with increases in Europe explained mainly by management, decreases in Asia due to eutrophication and land use change, and variable trends in North America consistent with invasive species arrival. By providing a quantitative portrait of trends in SAV quantities worldwide, we identify knowledge gaps and future SAV research priorities. By considering the drivers of different trends, we also offer insight to future lake management related to climate, positive restoration actions, and change in community structure on SAV quantities.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».