Tracking Trouble: Spatial and Temporal Distribution of Potentially Harmful Algae Species in Clayoquot Sound, BC
Notice bibliographique
Résumé
Algal species, such as Alexandrium spp., Pseudo-nitzschia spp. and Dinophysis spp., are known to cause harmful blooms (HABs), where toxins accumulate in bivalves and can lead to paralytic, amnesic, and diarrhetic shellfish poisoning, respectively, in humans. These blooms disrupt aquaculture industries and can cause significant economic loses. Additionally, some harmful algae may damage marine animals, including causing fish kills, and disrupt trophic interactions, threatening overall ecosystem stability. Increasing frequency and severity of blooms have been correlated with higher nutrient loads and may also be influenced by changing water properties, such as temperature. Since 2001, researchers at the University of Washington Tacoma have collected late summer/early fall water property data in Clayoquot Sound, with phytoplankton sampling added beginning in 2006. Phytoplankton samples from vertical net tows and discrete water samples collected at 1m and 10m were analyzed taxonomically to quantify species’ presence and concentrations. This study investigates the spatial and temporal distribution of select potentially harmful algal species in Clayoquot Sound to assess their prevalence and potential risks to human health, aquaculture, and local economies. We compiled and mapped distribution patterns of the three target species and evaluated changes over the past 18 years, comparing findings with historical data from Department of Fisheries and Oceans Canada. We hypothesize that HABs will become increasingly prevalent as water temperatures rise, as warmer conditions can enhance algal growth rates and extend bloom seasons. The results will support future monitoring and management strategies to mitigate HABA impacts.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 tête enseignante, 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 ».