What makes a cyanobacterial bloom disappear? A review of the abiotic and biotic cyanobacterial bloom loss factors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cyanobacterial blooms present substantial challenges to managers and threaten ecological and public health. Although the majority of cyanobacterial bloom research and management focuses on factors that control bloom initiation, duration, toxicity, and geographical extent, relatively little research focuses on the role of loss processes in blooms and how these processes are regulated. Here, we define a loss process in terms of population dynamics as any process that removes cells from a population, thereby decelerating or reducing the development and extent of blooms. We review abiotic (e.g., hydraulic flushing and oxidative stress/UV light) and biotic factors (e.g., allelopathic compounds, infections, grazing, and resting cells/programmed cell death) known to govern bloom loss. We found that the dominant loss processes depend on several system specific factors including cyanobacterial genera-specific traits, in situ physicochemical conditions, and the microbial, phytoplankton, and consumer community composition. We also address loss processes in the context of bloom management and discuss perspectives and challenges in predicting how a changing climate may directly and indirectly affect loss processes on blooms. A deeper understanding of bloom loss processes and their underlying mechanisms may help to mitigate the negative consequences of cyanobacterial blooms and improve current management strategies.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 découle