Modélisation hydrodynamique et écologique de la Baie Missisquoi (Lac Champlain, Canada) - Evolution des cyanobactéries pendant la période estivale
Bibliographic record
Abstract
La prolifération du phytoplancton entraînée par l'eutrophisation est un problème mondial dans de nombreuses masses d'eau continentales. La Baie Missisquoi, Canada, est une masse d'eau eutrophe qui connait souvent des proliférations de phytoplancton. Depuis les deux dernières décennies, des cyanobactéries dominent la biomasse phytoplanctonique dans la baie. La prolifération des cyanobactéries est probablement due à l'augmentation de la concentration de phosphore dans la baie. Pour comprendre les déterminants des proliférations des cyanobactéries des modèles numériques ont été appliqués. Deux modèles hydrodynamiques - écologiques ont été utilisés (DYRESM - CAEDYM et GOTM - ERGOM) pour simuler la prolifération des cyanobactéries dans la Baie Missisquoi en 2008 et 2011. Bien qu'il y ait des écarts dans les performances des deux modèles, les résultats ont montré que le phosphore est le nutriment limitant de la croissance des cyanobactéries. Ces écarts de performance varient selon les épisodes modélisés. DYRESM représente bien la variation du niveau d'eau de la baie. GOTM modélise mieux les processus de mélange, cependant, il ne fonctionne pas de façon satisfaisante lorsque les variations du niveau d'eau sont importantes. CAEDYM est un modèle écologique plus complet qu'ERGOM, toutefois, il a besoin de plus de données d'entrée qu'ERGOM. En l'absence de certaines données nécessaires, les résultats obtenus avec CAEDYM ne sont pas meilleurs qu'avec ERGOM. C'est par exemple le cas de la prolifération des cyanobactéries en 2008.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".