Evaluating the impacts of damming and water level drawdowns: a paleolimnological study of long-term water quality trends in reservoirs
Bibliographic record
Abstract
Plusieurs pressions anthropogéniques peuvent avoir des effets considérables sur la qualité des ressources d'eau douce. En effet, les modifications hydrologiques causées par la construction de barrage et les opérations subséquentes de maintenance des réservoirs, telles que le marnage hivernal, sont devenues des perturbations anthropogéniques majeures au niveau des écosystèmes aquatiques tempérés et boréaux. Bien que le marnage soit largement reconnu pour altérer la structure et le fonctionnement des écosystèmes littoraux et peu profonds, peu de recherches ont examiné les implications à long terme du marnage sur la qualité de l'eau des systèmes aquatiques pélagiques. Afin d'évaluer les tendances à long terme du marnage hivernal sur la qualité de l'eau, des échantillons de sédiments de surface et de fond, correspondant à l'ère contemporaine et préindustrielle respectivement, ont été prélevés dans 12 réservoirs tempérés où le marnage hivernal est pratiqué. De plus, des analyses plus détaillées des carottes de sédiments du Grand Lac Saint-François ont été réalisées pour approfondir les connaissances sur les changements hydrologiques pouvant altérer la qualité d'eau des réservoirs. Des analyses corrélatives et multivariées ont seulement permis de déceler de faibles évidences de l'effet du marnage sur les changements de la qualité d'eau dans les réservoirs échantillonnés. La morphométrie du réservoir et les caractéristiques du bassin versant (i.e. géographie, profondeur maximum et aires agricoles) semblent être des variables plus importantes que l'amplitude du marnage pour expliquer les tendances à long terme de la qualité de l'eau. Les analyses de hautes résolutions utilisant des indicateurs biologiques (i.e. pigments sédimentaires et diatomées) au Grand Lac Saint-François ont permis de montrer une tendance significative de la dégradation de la qualité de l'eau au cours du dernier siècle. Les changements de la qualité d'eau ainsi qu'une augmentation de la variabilité coïncident avec la construction du barrage et le début de la régulation des niveaux d'eau dans le Grand Lac Saint-François. Cependant, à cause d'une grande variabilité écologique et d'une courte période des données contemporaines, le niveau de marnage au Grand Lac Saint-François n'a pu être associé significativement à la tendance de dégradation de la qualité d'eau. Contrairement, le surplus de nutriments en provenance du bassin versant et les températures plus chaudes ont significativement été identifiés comme variables explicatives des changements de la qualité d'eau. Ce travail souligne le besoin de longues séries temporelles et/ou de données de haute résolution afin de mieux interpréter les changements écologiques dus à plusieurs facteurs de stress environnementaux. La gestion de la qualité d'eau peut être complexe, d'une part, puisqu'il existe diverses fonctions et stratégies opérationnelles au niveau des réservoirs, et d'autre part, à cause d'une persistance de l'augmentation des stress environnementaux. La paléolimnologie peut donc être un outil puissant pouvant adresser plusieurs inquiétudes écologiques dans la gestion contemporaine des réservoirs. Comprendre la dynamique de la qualité d'eau sous les différentes fonctions des réservoirs et comment les opérations peuvent détériorer (ou réduire) la qualité d'eau dans ces systèmes est cruciale pour la conservation de l'eau douce dans cette ère de multiples facteurs de stress environnementaux.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".