Introducing\nthe Adverse Ecosystem Service Pathway\nas a Tool in Ecological Risk Assessment
Notice bibliographique
Résumé
Soils\nprovide numerous ecosystem services (ESs) such as food production\nand water purification. These ESs result from soil organism interactions\nand activities, which are supported by the soil physicochemical properties.\nRisk assessment for this complex system requires understanding the\nrelationships among its components, both in the presence and absence\nof stressors. To better understand the soil ecosystem and how exposure\nto potentially toxic elements impact ESs, we developed a quantitative\ntechnique, the adverse ecosystem service pathway (AESP) model. We\nsampled 47 soils across Canada and analyzed them for properties that\nincluded pH and cation exchange capacity. We spiked the soils with\na metal mixture and measured 15 soil processes representing five ESs.\nUsing a Pearson correlation, we confirmed that proxies of ESs are\nlinked to soil properties. <i>t</i> test results showed\nthat, apart from soil enzyme activities (<i>p</i> > 0.05),\nthe processes underlying ES proxies are significantly reduced in metal-impacted\nsoils. Using soil properties as predictors of ES proxies, we developed\nAESP models: one for spiked and another for control soils. These models\nshowed adverse effects on ESs in spiked soils, depicted as changes\nin partial correlation coefficients. The AESP model, therefore, can\nbe an important tool to understand complex ecosystems and improve\nrisk assessment.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,462 | 0,008 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».