Long-term study of the drought impact on the phytoplankton concentration and assemblages in two water supply reservoirs in Namibia
Notice bibliographique
Résumé
Rising temperatures and increased occurrences of droughts, brought on by climate change, are expected to affect reservoir water levels. We hypothesised that the decrease in reservoir volumes in dams with desert climates will favour the growth of phytoplankton biomass, measured as chlorophyll a (Chl a), under drought conditions. Using the threshold levels method of Q50, ten drought years were recorded in the Von Bach Dam (VB) in comparison to seven in the Swakoppoort Dam (SWP). Both dams had significant reduction in percentage volume (vol %). The Chl a in SWP was 81 µg l−1 in drought and 48 µg l−1 in AAR years, compared to VB with 21 µg l−1 in drought and 24 µg l−1 in AAR years. Cyanobacterial cell counts in drought and AAR years in SWP were 129 704 and 77 838 cells ml−1, respectively, while cell counts in drought and AAR years in VB were 5 925 cells ml−1 and 20 070 cells ml−1, respectively. Decreases in phytoplankton biomass and total cyanobacteria were observed in SWP but not in VB. The pattern and magnitude of the statistically significant responses (t-test, p < 0.05) between physico-chemical and biological water quality variables varied among drought and AAR years. We conclude that that there is no clear correlation between drought and phytoplankton biomass from this study and that other anthropogenic–environmental drivers, such as land use impacts, will be needed to further elucidate the response of water quality to droughts.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».