Cyanobacteria in winter: Seasonal dynamics of harmful algal blooms and their driving factors in boreal lakes
Notice bibliographique
Résumé
Lake cyanobacteria can overgrow and form blooms, often releasing life-threatening toxins. Harmful algal blooms (HABs) are typically caused by excess nutrients and high temperatures, but recent observations of cyanobacteria beneath the ice in boreal lakes suggest that the dynamics are more complex. This study investigates the seasonal dynamics of HABs in boreal lakes and identifies their driving factors. We study cyanobacteria assemblages in two boreal lakes in Abitibi-Témiscamingue (Quebec, Canada): Lake Fortune, noted for its under-ice cyanobacteria, and Lake Beauchamp, which has experienced recurrent summer-only cyanobacterial blooms. From June 2021 to July 2022, we identified monthly cyanobacterial communities and estimated water nutrients, organic carbon, temperature, oxygen, and pH. Cyanobacterial communities were dominated by the genus Planktothrix in Lake Fortune, and this genus was in a bloom state for each month of the year. Cyanobacterial abundance was highest (210 000 cells/mL) in November and lowest (28 000 cells/mL) in March. The abundance of Planktothrix correlated with total nitrogen and phosphorus and dissolved organic carbon concentrations. Planktothrix dominated even under ice cover, because of its ability to thrive in low-light and low phosphorus conditions. In Lake Beauchamp, Aphanothece was found throughout the year, highest (27 800 cells/mL) in August and lowest (2100 cells/mL) in March. In Lake Beauchamp, cyanobacterial blooms correlated with total dissolved phosphorus, nitrogen and organic carbon concentrations during summer and fall. The dominance of Aphanothece was especially pronounced during the summer and fall. Our study provides new knowledge about the seasonal dynamics of cyanobacterial blooms to help guide the future management of HABs in boreal lakes.
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 | 0,001 | 0,001 |
| 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) | 0,000 | 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 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 ».