Overcoming water quality effects in biological monitoring: a case study of amphipod in situ exposures in Ontario agricultural streams
Notice bibliographique
Résumé
Bioindicators add valuable understanding of biological impacts to contaminant monitoring programs. However, attributing effects (e.g., mortality and growth impairment) to contaminant exposures is challenging because of potential confounding by environmental variables. We assessed the influence of four water quality variables (temperature, dissolved oxygen, pH, and conductivity) on contaminant effects assessments during in situ exposures of the amphipod Hyalella azteca in six agricultural and urban watersheds in southern Ontario, Canada (2005-06, 2008-10). We further tested whether sampling in specific months of the growing season would minimize confounding effects. While high toxicity from organophosphate and carbamate pesticides increased mortality and reduced growth in caged amphipods, warmer stream temperatures also affected endpoints, increasing mortality and improving growth. Seasonal patterns indicated early summer (June) as optimal for detecting impacts when: (1) stream pesticide concentrations were highest, (2) acetylcholinesterase (AChE) inhibition (a biomarker of organophosphate/carbamate exposure) was highest, and (3) stream temperature was below its seasonal peak. Specifically, higher correlations among organophosphate pesticide concentrations, AChE inhibition, and mortality indicated better attribution of cause in this month (r = 0.53-0.76, p < 0.05). Ability to discriminate between pesticide-impacted sites and reference sites was also greater than other months (June = 100% correct assignment as high-impact or reference site). Considering sampling times of stream bioindicators that maximize pesticide responses and limit confounding effects of water quality may improve the accuracy and resource-efficiency of biological monitoring programs.
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 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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».