MétaCan
Menu
Retour à la cohorte
Enregistrement W4327609566 · doi:10.1002/ecs2.4472

Blooms and flows: Effects of variable hydrology and management on reservoir water quality

2023· article· en· W4327609566 sur OpenAlexafffund
Kristin J. Painter, Jason J. Venkiteswaran, Helen M. Baulch

Notice bibliographique

RevueEcosphere · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensWilfrid Laurier UniversityGlobal Institute for Water SecurityUniversity of Saskatchewan
Organismes subventionnairesMitacsCanada Foundation for InnovationGlobal Water FuturesCanada First Research Excellence FundUniversity of Saskatchewan
Mots-clésEnvironmental scienceWater qualityEutrophicationHydrology (agriculture)Surface runoffInflowAlgal bloomBloomEcologyPhytoplanktonOceanographyNutrientGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Flow management has the potential to significantly affect ecosystem condition. Shallow lakes in arid regions are especially susceptible to flow management changes, which can have important implications for the formation of cyanobacterial blooms. Here, we reveal water quality shifts associated with changing source water inflow management. Using in situ monitoring data, we studied a seven‐year time span during which inflows to a shallow, eutrophic drinking water reservoir transitioned from primarily natural landscape runoff (2014–2015) to managed flows from a larger upstream reservoir (Lake Diefenbaker; 2016–2020) and identified significant changes in cyanobacteria (as phycocyanin) using generalized additive models to classify cyanobacterial bloom formation. We then connected changes in water source with shifts in chemistry and the occurrence of cyanobacterial blooms using principal components analysis. Phycocyanin was greater in years with managed reservoir inflow from a mesotrophic upstream reservoir (2016–2020), but dissolved organic matter (DOM) and specific conductivity, important determinants of drinking water quality, were greatest in years when landscape runoff dominated lake water source (2014–2015). Most notably, despite changing rapidly, it took multiple years for lake water to return to a consistent and reduced level of DOM after managed inflows from the upstream reservoir were resumed, an observation that underscores how resilience may be hindered by weak resistance to change and slow recovery. Environmental flows for water quality are rarely defined, yet we show that trade‐offs exist between poor water quality via elevated conductivity and DOM and higher bloom risk, depending on water source. Our work highlights the importance of source water quality, not just quantity, to water security, and our findings have important implications for water managers who must protect ecosystem services while adapting to projected hydroclimatic change.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,138
Score d'incertitude au seuil0,791

Scores Codex et Gemma par catégorie

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

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 Opus0,006
Tête enseignante GPT0,217
Écart entre enseignants0,211 · 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 tête enseignante, 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

Citations9
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcosphereMême sujetAquatic Ecosystems and Phytoplankton DynamicsTravaux en français237 207