Impacts of a century of land‐use change on the eutrophication of large, shallow, prairie Lake Manitoba in relation to adjacent Lake Winnipeg (Manitoba, Canada)
Notice bibliographique
Résumé
Abstract Evaluation of large lake response to centennial changes in land use and climate can be complicated by high spatial and hydrological complexity within their catchments, particularly in regions of low relief. Furthermore, large lakes can exhibit abrupt changes in structure and function that obscure causes of eutrophication. We provide the first quantification of historical trends in lake production, cyanobacterial abundance, sediment geochemistry and diatom composition since c. 1800 in Lake Manitoba, the 29th largest lake in the world, and compared them to Lake Winnipeg, a morphologically similar, adjacent basin with a 10‐fold larger catchment and an abrupt increase in production around 1990. Before 1900, Lake Manitoba was mesotrophic, with low sedimentary concentrations of carbon, phosphorus, nitrogen, cyanobacteria and algal pigments, as well as assemblages of low‐light‐adapted benthic diatoms. Analysis of pigment time‐series with hierarchical generalised additive models revealed that Lake Manitoba eutrophied during 1900–1930 as a consequence of the development of intensive agriculture within its local catchment, but thereafter exhibited stable cyanobacterial densities with limited expansion of N 2 ‐fixing cyanobacteria despite persistent eutrophication. Lake Manitoba did not undergo an abrupt change as seen in Lake Winnipeg. These findings suggest that catchment size had little influence on water quality degradation and that nutrient influx from proximal agricultural sources was sufficient to initially degrade these large prairie lakes. The abrupt change in Lake Winnipeg around 1990 required additional intensification of local land use that did not occur in the Lake Manitoba catchment.
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) | 0,000 | 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 ».