Temporal organic matter dynamics in anthropogenically-impacted stream ecosystems
Notice bibliographique
Résumé
Stream ecosystems are heavily influenced by the landscapes that surround them. The input of organic matter from terrestrial and aquatic sources sustains stream ecosystems by providing a base energy source for food webs. When landscapes are changed by human activities (e.g., urbanization, agricultural intensification), critical ecosystem functions such as nutrient processing are altered, and the composition of nutrients available. Explorations into these processes provide valuable insights into trophic energy flows and carbon cycling in streams, particularly in the face of climate change. This study seeks to advance knowledge on the ecosystem ecology of human-impacted streams by addressing a critical knowledge gap on organic matter processing rates and carbon dynamics in streams across an anthropogenic disturbance gradient. Situated in the Windsor-Essex region of southwestern Ontario, Canada, the stream ecosystems in this study (n=7) are impacted from both urbanized and agricultural land uses. Using standardized cotton-strip assays to measure carbon processing rates (i.e., decomposition) and fluorometric methods to characterize molecular carbon structure, I characterized monthly shifts to test whether anthropogenic sites behave in a similar way. Results from this work have generated a novel baseline dataset that encompasses temporal drivers of decomposition rates along with molecular carbon characterization across a land-use gradient. In temperate regions such as the Laurentian Great Lakes basin, human impacts on freshwater ecosystem processes are complex and representative of ecosystems globally. Disentangling drivers of variability on ecosystem functions in contemporary contexts is therefore critical to advance understanding of ecosystem ecology on local and global scales and inform effective management and restoration.
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 | 0,000 |
| 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 | 0,000 |
| 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 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 ».