Inland aquaculture ponds, as an important land use type, have brought great economic benefits to local people but at the same time have caused many environmental problems threatening regional ecology security. Therefore, understanding the spatiotemporal pattern of aquaculture ponds and its potential influence on water quality is vital for the sustainable development of inland lakes. In this study, based on Landsat5/8 images, three types of land features, namely spectral features, index features, and texture features, and five machine learning algorithms, namely random forest (RF), extreme gradient boosting (XGBoost), artificial neural network (ANN), k-nearest neighbor (KNN), and Gaussian naive Bayes (GNB), were combined to identify aquaculture ponds and some other primary land use types around a typical inland lake of China. The results demonstrated that the XGBoost algorithm that integrated the three features performed the best among all groups of the five machine learning algorithms and the three features, with an overall accuracy of up to 96.15%. In particular, the texture features provided additional useful information besides the spectral features to allow more accurately separation of aquaculture ponds from other land use types and thus improve the land use mapping ability in complex inland lakes. Next, this study examined the tendency of aquaculture ponds and found a segmented increase mode, namely sharp increase during 1984–2003 and then slow elevation since 2003. Further positive correlation detected between the area of aquaculture ponds and the phytoplankton population dynamics suggest a likely influence of aquaculture activity on the lake water quality. This study provides an important scientific basis for the sustainable management and ecological protection of inland lakes.

Abstract Objectives To explore the influence of a novel WNT10A variant on bone mineral density, proliferation, and osteogenic differentiation capacities of alveolar bone mesenchymal stem cells in humans. Subjects and Methods Whole‐exome sequencing and Sanger sequencing were utilized to detect gene variants in a family with non‐syndromic tooth agenesis (NSTA). The panoramic mandibular index was calculated on the proband with WNT10A variant and normal controls to evaluate bone mineral density. Alveolar bone mesenchymal stem cells from the proband with a novel WNT10A variant and normal controls were isolated and cultured, then proliferation and osteogenic differentiation capacities were evaluated and compared. Results We identified a novel WNT10A pathogenic missense variant (c.353A > G/p. Tyr118Cys) in a family with NSTA. The panoramic mandibular index of the proband implied a reduction in bone mineral density. Moreover, the proliferation and osteogenic differentiation capacities of alveolar bone mesenchymal stem cells from the proband with WNT10A Tyr118Cys variant were significantly decreased. Conclusions Our findings broaden the spectrum of WNT10A variants in patients with non‐syndromic oligodontia, suggest an association between WNT10A and the proliferation and osteogenic differentiation of alveolar bone mesenchymal stem cells, and demonstrate that WNT10A is involved in maintaining jaw bone homeostasis.