Notice bibliographique
Résumé
Cyanobacteria blooms represent a global problem with human health and economic and ecosystem nuisance effects. Until now, we have used arbitrary and sometimes confusing criteria to decide whether we are in the presence of a Cyanobacteria bloom. Through scientometric analysis of studies published between 1953 and 2022, I aimed to identify a threshold value that can be used to quantify Cyanobacteria blooms numerically. I considered several methodological approaches (field, field-experimental, and satellite data) and kinds of environments (coastal, marine, and continental ecosystems). The analysis revealed that 48% of the papers used “cyanobacteria bloom” or similar terms qualitatively without providing or employing a quantitative definition. These papers were focused on other topics related to the ecology of Cyanobacteria (78%), while some others (21%) defined blooms by using visual criteria (scum visualization or water discoloration). Of the other half (52%), a few were mathematical models or review papers (5%), while the rest (65%) defined blooms quantitatively. Of these, most reports (approximately 80%) were from eutrophic inland waters and reported mean values for blooms between 80 000 and 249 000 cells mL −1 or 41 and 69 µg L −1 of chlorophyll- a. Calculations were also carried out for oligotrophic to mesotrophic inland waters and marine-coastal waters, which had fewer reports available in the literature. This is a first attempt to identify a consensual definition based on values reported as blooms in nature, a threshold that can undoubtedly be useful in the future to make possible comparisons among several environments and temporal scales.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,010 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».