Global Evaluation of the Impacts of Storms on freshwater Habitat and structure of phytoplankton Assemblages
Notice bibliographique
Résumé
Phytoplankton abundance and composition are sensitive to water column conditions which are strongly influenced by weather (e.g., wind and rain) and climate change. The FRB-Cesab GEISHA project was framed in support to the GLEON Stormblitz project to gather and analyse time-series through collaborative efforts to assess the impacts of storms on phytoplankton. The project includes more than 80 researchers from governmental institutes and universities. GEISHA was, among others, able to: gather and standardize existing long-term datasets, assess the impact of storms on nutrients, light, water column stability and subsequent impacts on the structure of phytoplankton communities, perform meta-analyses to evaluate the sensitivity of aquatic ecosystems to extreme weather events, and highlight that biological consequences of storms on phytoplankton are fundamental to the dynamics of lakes and yet are still poorly understood. There is a real need for scientific collaboration to understand the impact of extreme weather events on lakes. This document summarizes, in just a few pages, the project’s context and objectives, the methods and approaches used, the main findings, and the implications for science, society, and both public and private decision-making. _________________________________________________________________________ L’abondance et la composition du phytoplancton sont sensibles aux conditions de la colonnes d’eau qui elles-mêmes sont fortement influencées par la météorologie (ex. le vent et la pluie) et le changement climatique. Imaginé dans le cadre du projet « Stormblitz » du GLEON, le projet FRB-Cesab Geisha a pour objectif d’évaluer les impacts des tempêtes sur les communautés phytoplanctoniques. Geisha a été conçu pour permettre de rassembler et d’analyser des séries chronologiques par le biais d’un effort collaboratif au niveau international. Le projet regroupe plus de 80 chercheurs d’instituts gouvernementales et d’universités. Geisha a notamment permis : de rassembler et standardiser les jeux de données existants, d’évaluer l’impact des tempêtes sur les nutriments, la lumière, la stabilité de la colonne d’eau et les conséquences sur la structure des communautés phytoplanctoniques, d’effectuer des méta-analyses pour évaluer la sensibilité de ces écosystèmes et, de mettre en en évidence que les conséquences biologiques des tempêtes sur le phytoplancton sont fondamentales dans la dynamique des lacs et sont pourtant encore mal comprises. Il y a un réel besoin de collaboration scientifique pour comprendre l’impact des phénomènes météorologiques extrêmes sur les lacs. Ce document synthétise en quelques pages le contexte et les objectifs du groupe, les méthodes et approches utilisées, les principales conclusions ainsi que l'impact pour la science, la société, la décision publique et privée.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| 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 ».