Dual phosphorus and nitrogen nutrient reduction will be more effective than a phosphorus‐only reduction in mitigating diatom and cyanobacterial blooms in Lake Erie, <scp>USA</scp>–Canada
Notice bibliographique
Résumé
Abstract Lake Erie, USA–Canada, plays an important ecological and socioeconomic role but has suffered from chronic eutrophication. In particular, western Lake Erie (WLE) is the site of harmful algal blooms (HABs) which are suspected of being driven by excessive nutrient (phosphorus (P) and nitrogen (N)) inputs. During 2022 and 2023, in situ nutrient dilution and addition bioassays were conducted at a WLE bloom‐impacted location to investigate whether a nutrient reduction regime would be effective in limiting phytoplankton growth during the June diatom‐dominated spring blooms and August cyanobacteria‐dominated summer blooms. The primary objectives of this experiment were to (1) Determine if a proposed 40% P‐alone reduction would effectively reduce phytoplankton growth and mitigate blooms and (2) assess whether reductions in both P and N are more effective in controlling phytoplankton biomass than exclusive reductions in either N or P. Samples were analyzed for nutrient concentrations and growth rate responses for specific algal groups, utilizing diagnostic (for major algal groups) photopigments. Results indicated that although both 20% and 40% dilutions led to lower phytoplankton biomass and growth rates, 40% reductions were more effective. Our results support the USA–Canada Great Lakes Water Quality Agreement recommendation of a 40% P reduction, but also indicate that a parallel reduction of N input by 40% would be most effective in controlling bloom magnitudes. Overall, our findings underscore the recommendation that a year‐round dual N and P 40% reduction is needed for long‐term control of eutrophication and algal blooms, including cyanobacteria and diatoms, in Lake Erie.
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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».