Reconstructing historical time-series of cyanobacteria in lake sediments: Integrating technological innovation to enhance cyanobacterial management
Notice bibliographique
Résumé
The global rise of cyanobacterial blooms emphasizes the need to develop tools to manage water bodies prone to cyanobacterial dominance. Reconstructing cyanobacterial baselines and identifying environmental drivers that favour cyanobacterial dominance are important to guide management decisions. Conventional techniques for estimating cyanobacteria in lake sediments require considerable resources, creating a barrier to routine reconstructions of cyanobacterial time-series. Here, we compare a relatively simple technique based on spectral inferences of cyanobacteria using visible near-infrared reflectance spectroscopy (VNIRS) with a molecular technique based on real-time PCR quantification (qPCR) of the 16S rRNA gene conserved in cyanobacteria in 30 lakes across a broad geographic gradient. We examined the sedimentary record from two perspectives: 1) relationships throughout the entire core (without radiometric dating); 2) relationships post-1900s with the aid of radiometric dating (i.e., 210Pb). Our findings suggest that the VNIRS-based cyanobacteria technique is best suited for reconstructing cyanobacterial abundance in recent decades (i.e., circa 1990 onwards). The VNIRS-based cyanobacteria technique showed agreement with those generated using qPCR, with 23 (76%) lakes showing a strong or very strong positive relationship between the results of the two techniques. However, five (17%) lakes showed negligible relationships, suggesting cyanobacteria VNIRS requires further refinement to understand where VNIRS is unsuitable. This knowledge will help scientists and lake managers select alternative cyanobacterial diagnostics where appropriate. These findings demonstrate the utility of VNIRS, in most instances, as a valuable tool for reconstructing past cyanobacterial prevalence.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| 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 | 0,001 | 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 ».