MétaCan
Menu
← Retour à la cohorte
Enregistrement W1964726810 · doi:10.1371/journal.pone.0085830

Prey Vulnerability Limits Top-Down Control and Alters Reciprocal Feedbacks in a Subsidized Model Food Web

2014· article· en· W1964726810 sur OpenAlexafffund
William I. Atlas, Wendy J. Palen

Notice bibliographique

RevuePLoS ONE · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesCanada Research Chairs
Mots-clésFood webPredationTrophic levelBiomass (ecology)Trophic cascadeEcologyEcosystemBiologyEnvironmental scienceApex predatorPredator

Résumé

récupéré en direct d'OpenAlex

Resource subsidies increase the productivity of recipient food webs and can affect ecosystem dynamics. Subsidies of prey often support elevated predator biomass which may intensify top-down control and reduce the flow of reciprocal subsidies into adjacent ecosystems. However, top-down control in subsidized food webs may be limited if primary consumers posses morphological or behavioral traits that limit vulnerability to predation. In forested streams, terrestrial prey support high predator biomass creating the potential for strong top-down control, however armored primary consumers often dominate the invertebrate assemblage. Using empirically based simulation models, we tested the response of stream food webs to variations in subsidy magnitude, prey vulnerability, and the presence of two top predators. While terrestrial prey inputs increased predator biomass (+12%), the presence of armored primary consumers inhibited top-down control, and diverted most aquatic energy (∼75%) into the riparian forest through aquatic insect emergence. Food webs without armored invertebrates experienced strong trophic cascades, resulting in higher algal (∼50%) and detrital (∼1600%) biomass, and reduced insect emergence (-90%). These results suggest prey vulnerability can mediate food web responses to subsidies, and that top-down control can be arrested even when predator-invulnerable consumers are uncommon (20%) regardless of the level of subsidy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,206
Écart entre enseignants0,183 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetFish Ecology and Management Studies→Travaux en français237 207→