Algues nuisibles dans les écosystèmes marins
Notice bibliographique
Résumé
Les algues nuisibles (AN) sont des espèces de phytoplancton et, dans une moindre mesure, des espèces d’algues sympagiques, susceptibles de nuire aux organismes, aux réseaux alimentaires, aux écosystèmes et à la santé humaine par la production de phycotoxines, l’action mécanique ou l’hypoxie. C’est pourquoi les proliférations d’algues nuisibles (PAN) sont devenues un agent de stress important pour les écosystèmes marins. Les espèces d’AN, les phycotoxines et les PAN dans les trois océans du Canada ont été examinées sur la base de rapports canadiens publiés et non publiés. Une série chronologique de 30 ans de 593 dossiers canadiens (1987 à 2017) provenant de la Harmful Algal Event Database (HAEDAT) a été analysée pour les côtes de l’Atlantique et du Pacifique, et cette analyse a révélé que les PAN récurrentes étaient très répandues. Il n’existe aucun dossier de l’HAEDAT pour l’Arctique. À ce jour, 70 espèces d’AN (dont 45 dans l’Arctique), connues pour avoir causé des PAN ou être associées à celles-ci sur les côtes du Canada ou ailleurs, ont été signalées dans les eaux canadiennes. Un modèle conceptuel de nœud papillon a été élaboré pour servir de cadre afin de relier les causes aux résultats des PAN. Il intègre trois agents naturels et cinq pressions anthropiques émergentes qui influencent l’occurrence des PAN dans les eaux marines canadiennes, et il a été appliqué pour cerner les lacunes dans les connaissances nationales et régionales qui pourraient limiter la capacité de Pêches et Océans Canada (MPO) à gérer les conséquences des PAN, en particulier celles qui sont liées au mandat du MPO. À l’échelle nationale, les principales lacunes en matière de connaissances comprennent une surveillance limitée des AN et une compréhension limitée des effets des pressions anthropiques émergentes particulières qui entraînent des changements dans les espèces d’AN, les phycotoxines et la toxicité des efflorescences. Ces lacunes dans les connaissances empêchent l’élaboration de modèles prédictifs utiles des PAN, ce qui nuit à notre capacité de prévision et d’anticipation ainsi qu’à l’élaboration de stratégies d’atténuation et de prévention. Les renseignements concernant le rôle des changements climatiques sur les PAN, y compris les phénomènes extrêmes et l’acidification des océans, ont été définis comme une lacune importante dans les connaissances au Canada. Des lacunes fondamentales existent dans la région arctique, où l’on manque de données de base sur la présence d’AN et de phycotoxines, ainsi que sur leurs effets sur les espèces et les écosystèmes. Il est essentiel de comprendre les effets (y compris sublétaux et cumulatifs) des AN et des phycotoxines sur la croissance, la physiologie, la reproduction et le comportement du biote marin pour évaluer les effets sur les réseaux alimentaires, les écosystèmes et la santé humaine, ainsi que les conséquences pour les espèces en péril, les mammifères marins, l’aquaculture, la santé des pêcheries et des populations de poissons, la santé des écosystèmes, la sécurité et la sûreté alimentaires. La surveillance du phytoplancton et des phycotoxines doit se poursuivre et être élargie en élaborant de nouvelles méthodes et en utilisant les capacités et les partenariats nouveaux et existants. C’est particulièrement important pour les régions où l’on manque de données, notamment l’Arctique.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».