Combined Effects of Irradiation, Nutrients, and Cyanobacterial Composition on Microcystin Concentration in Chinese Plateau Lakes
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Microcystins (MCs) are one of the most prevalent cyanotoxins and pose significant risks to aquatic ecosystems and human health, particularly in lakes used as drinking water sources. However, knowledge about the MC concentrations in plateau lakes experiencing high solar radiation is scarce. This study investigated the spatial-temporal distribution of MCs in eight Yunnan Plateau lakes in China, focusing on their relationships with environmental factors. Water samples ( n = 63) were collected during summer and winter seasons and analyzed for MC concentrations along with a suite of environmental variables. Results revealed significant seasonal and spatial variations in MC concentrations, with higher levels in eutrophic lakes Dianchi, Erhai, and Xingyunhu. Notably, mean MC concentrations in Lake Dianchi during summer and Erhai during winter exceeded the World Health Organization’s provisional guideline of 1 μg/L for drinking water. Seasonal analyses revealed distinct regulatory mechanisms: MC concentrations in summer were positively correlated with total phosphorus, total nitrogen, turbidity, and chlorophyll a, reflecting the influence of eutrophication on cyanobacterial growth. While solar radiation intensity (SRI) exhibited a dual role: moderate SRI in winter was associated with higher MC levels, whereas higher SRI in summer suppressed MC production, likely due to photoinhibition or MC degradation. Strikingly, water temperature showed no significant correlation with MC concentrations, suggesting that high solar radiation in the Yunnan Plateau may override temperature-dependent effects on cyanobacterial growth. These findings highlight the importance of nutrient management and the regulatory role of solar radiation in regulating MC production in high-altitude lakes. The study underscores the need for region-specific strategies to mitigate cyanobacterial risks, particularly in drinking water source lakes, by integrating nutrient control and the unique light regime of plateau 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 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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 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 ».