MétaCan
Menu
← Retour à la cohorte
Enregistrement W4406167250 · doi:10.1371/journal.pone.0313416

Eutrophication triggered changes in network structure and fluxes of the Comacchio Lagoon (Italy)

2025· article· en· W4406167250 sur OpenAlexaff
Katalin Patonai, Mattia Lanzoni, Giuseppe Castaldelli, Ferenc Jordán, Anna Gavioli

Notice bibliographique

RevuePLoS ONE · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensUniversité de Montréal
Organismes subventionnairesRegione Emilia-Romagna
Mots-clésEutrophicationTrophic levelEcosystemBiodiversityFood webEnvironmental scienceEcologyTrophic state indexEcological networkFood chainLake ecosystemEcosystem servicesGeographyBiologyNutrient

Résumé

récupéré en direct d'OpenAlex

Coastal lagoons, which cover about 13% of coastline, are among the most productive ecosystems worldwide. However, they are subject to significant stressors, both natural and anthropogenic, which can alter ecosystem services and functioning and food web structure. In the Comacchio Lagoon (Northern Italy), eutrophication, among other minor factors, transformed the ecosystem in the early 1980s. Here, we compiled available data for the lagoon into trophic networks (pre- and post-transformation), analyzed the ecosystem using local and global network analysis, and computed trophic fluxes of the two periods. For comparability, the networks of two periods (i.e., pre- and post- transformation) were aggregated into food webs with 23 nodes. We found differences in the trophic networks before and after eutrophication, resulting in some decrease in complexity, increase of flow diversity, and an overall shortening of the food chain. A crucial aspect of this change is the disappearance of submerged vegetation in the lagoon and the increased importance of cyanobacteria in the post-eutrophication period. We provide an approach to better understand ecosystem changes after severe disturbances which can be extended to biodiversity conservation and for the management of coastal resources in general.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,175
Écart entre enseignants0,161 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetMarine and coastal ecosystems→Travaux en français237 207→