Coupled Dynamics of Wetlandscape Properties and Phytoplankton Bloom Magnitude and Extent in Lake Winnipeg
Notice bibliographique
Résumé
Abstract Wetlandscapes—networks of hydrologically connected wetlands—can influence the transport and transformation of nutrients across watersheds. As climate change and human activity reshape wetland extent and connectivity, these landscape‐scale processes are being altered in ways that may intensify eutrophication in downstream lakes. We used Landsat‐derived inundation data (1984–2020) to evaluate how long‐term changes in wetlandscape properties have affected nutrient loading and phytoplankton bloom dynamics in Lake Winnipeg, Canada. Over this period, wetlands generally increased in number and size and exhibited greater connectivity to rivers and the lake but with declines observed after ∼2015. These changes coincided with periods of substantial increases in the magnitude and spatial extents of phytoplankton blooms followed by declines in 2015 in the North Basin. Sub‐watersheds with shorter runoff travel distances to the lake showed stronger relationships between wetland connectivity and bloom metrics ( p ≤ 0.10), suggesting reduced opportunity for nutrient retention and transformation. Incorporating runoff travel distance into wetlandscape assessments improved correlations with nutrient inputs and bloom extent. Rising surface temperatures further contributed to bloom intensification. These findings highlight how climate‐driven changes in wetland connectivity influence lake nutrient dynamics and demonstrate the potential for globally available satellite data to support spatially targeted water quality management.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».