MétaCan
Menu
Retour à la cohorte
Enregistrement W7010587361

Impacts of Climate Change and Multiple Stressors on Water Levels and Phytoplankton in Small Temperate Lakes Within the Great Lakes Region Over Three Decades

2020· other· en· W7010587361 sur OpenAlexaboutno aff

Notice bibliographique

RevueYork University Digital Library (York University) · 2020
Typeother
Langueen
DomaineMedicine
ThématiqueBiomedical and Chemical Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhytoplanktonTemperate climateClimate changeDominance (genetics)Water qualityEcosystemWater levelDisturbance (geology)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Changes in climate influence water quantity and water quality through hydrological processes, thermal regimes, and ice phenology. This thesis investigates the impacts of climate change and additional anthropogenic stressors on water quantity and quality in two study areas with minimal anthropogenic disturbance within the Great Lakes region. Between 1984 and 2014, water levels dropped by an average of 50 cm in northern Wisconsin lakes. We found that 49% of the variation in water levels was attributed to decreased precipitation, and 30% was attributed to warmer air temperatures. Water levels are projected to rise by an average of 44 cm by the year 2070. In south-central Ontario, phytoplankton dominance shifted from diatoms to chrysophytes between 1984 and 2013. Changes in lake chemistry and lake morphometry explained 60% of the variation in phytoplankton biomass. Understanding how multiple interacting stressors affect lakes will help improve ecosystem management strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,878
Score d'incertitude au seuil0,903

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,209
Écart entre enseignants0,168 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueYork University Digital Library (York University)Même sujetBiomedical and Chemical ResearchTravaux en français237 207