Land use and river-lake connectivity: Biodiversity determinants of lake ecosystems
Notice bibliographique
Résumé
Lake ecosystems confront escalating challenges to their stability and resilience, most intuitively leading to biodiversity loss, necessitating effective preservation strategies to safeguard aquatic environments. However, the complexity of ecological processes governing lake biodiversity under multi-stressor interactions remains an ongoing concern, primarily due to insufficient long-term bioindicator data, particularly concerning macroinvertebrate biodiversity. Here we utilize a unique, continuous, and in situ biomonitoring dataset spanning from 2011 to 2019 to investigate the spatio-temporal variation of macroinvertebrate communities. We assess the impact of four crucial environmental parameters on Lake Dongting and Lake Taihu, i.e., water quality, hydrology, climate change, and land use. These two systems are representative of lakes with Yangtze-connected and disconnected subtropical floodplains in China. We find an alarming trend of declining taxonomic and functional diversities among macroinvertebrate communities despite improvements in water quality. Primary contributing factors to this decline include persistent anthropogenic pressures, particularly alterations in human land use around the lakes, including intensified nutrient loads and reduced habitat heterogeneity. Notably, river-lake connectivity is pivotal in shaping differential responses to multiple stressors. Our results highlight a strong correlation between biodiversity alterations and land use within a 2–5 km radius and 0.05–2.5 km from the shorelines of Lakes Dongting and Taihu, respectively. These findings highlight the importance of implementing land buffer zones with specific spatial scales to enhance taxonomic and functional diversity, securing essential ecosystem services and enhancing the resilience of crucial lake ecosystems.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».