Synergistic Effects of Warming and Internal Nutrient Loading Interfere with the Long-Term Stability of Lake Restoration and Induce Sudden Re-eutrophication
Notice bibliographique
Résumé
Phosphorus (P) precipitation is among the most effective treatments to mitigate lake eutrophication. However, after a period of high effectiveness, studies have shown possible re-eutrophication and the return of harmful algal blooms. While such abrupt ecological changes were attributed to the internal P loading, the role of lake warming and its potential synergistic effects with internal loading, thus far, has been understudied. Here, in a eutrophic lake in central Germany, we quantified the driving mechanisms of the abrupt re-eutrophication and cyanobacterial blooms in 2016 (30 years after the first P precipitation). A process-based lake ecosystem model (GOTM-WET) was established using a high-frequency monitoring data set covering contrasting trophic states. Model analyses suggested that the internal P release accounted for 68% of the cyanobacterial biomass proliferation, while lake warming contributed to 32%, including direct effects via promoting growth (18%) and synergistic effects via intensifying internal P loading (14%). The model further showed that the synergy was attributed to prolonged lake hypolimnion warming and oxygen depletion. Our study unravels the substantial role of lake warming in promoting cyanobacterial blooms in re-eutrophicated lakes. The warming effects on cyanobacteria via promoting internal loading need more attention in lake management, particularly for urban lakes.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».