Both biotic and abiotic predictors explain significant variation in cyanobacteria biomass across lakes from temperate to subarctic zones
Notice bibliographique
Résumé
Abstract The development of cyanobacteria blooms is of increasing concern in many lakes worldwide, and as a result, modeling their predictors is vital for understanding where and why they occur. In this study, we developed and analyzed a 640‐lake data set that spans Canada and 12 ecozones to identify the drivers of cyanobacteria biomass and of several key toxin‐ and bloom‐forming genera (Microcystis, Aphanizomenon, and Dolichospermum). The database consisted of an exhaustive list of potential predictors (n = 55), including water chemistry, land‐use, and zooplankton variables. We applied a series of empirical modeling approaches to identify significant predictors and thresholds (generalized linear and additive models, mixed effect regression trees), all while accounting for ecozone variability. Across all modeling approaches, and ecozones total phosphorus was identified as the most important predictor of total cyanobacterial and focal genera biomass. In addition, cyanobacteria across Canada showed significant associations with increasing dissolved organic and inorganic carbon, and several ions. Despite the widely held notion that cyanobacteria are often toxic and/or a poor food source for zooplankton, we found a positive relationship between cyanobacteria and zooplankton, particularly with daphnid and copepod biomass. Localized top‐down forces and evolutionary adaptations resulting from long‐term exposure in eutrophic lakes are among the possible explanations for this observed positive association. By considering a suite of complementary modeling approaches, we found that nonlinear models provided greater predictive power and the random ecozone effect was minor due to the overarching importance of local abiotic and biotic factors.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».