Effects of temporal and spatial variability in energy fluxes on phytoplankton
Notice bibliographique
Résumé
Abstract Climate change has significantly altered the energy dynamics of lakes; however, little is known of how the temporal and spatial variation in energy fluxes impacts the structure and function of lake ecosystems. This study combined long‐term (2011–2018) measurements of lake energy fluxes with environmental, nutrient, and phytoplankton data at five stations to investigate the effects of variably energy fluxes on phytoplankton production and composition in a large, shallow, eutrophic lake (Lake Taihu, China). Overall, atmospheric warming increased heat storage and water temperatures, with energy fluxes exhibiting significant spatial heterogeneity. Specifically, faster rates of energy input and higher energy budgets increases were observed in the clear macrophyte‐rich regions of the lake compared to turbid hypereutrophic habitats. Temporal variation in energy fluxes was a strong predictor of primary production (as chlorophyll a ), the spatial extent of cyanobacterial blooms, and phytoplankton biodiversity at the whole‐lake level, whereas 42.4% of the variation in phytoplankton community composition was explained by a combination of energy fluxes, nutrients, and other environmental factors. Cyanobacterial taxa were significantly correlated with nutrients (total nitrogen and phosphorus), while green algal abundance was associated mainly with variations in the energy budget. These findings highlight the spatial variability of energy fluxes driven by local environmental conditions, underscoring the need for climate adaptation and mitigation strategies to account for heterogeneous energy effects on lake production and structure.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».