MétaCan
Menu
Retour à la cohorte
Enregistrement W1980539903 · doi:10.1111/oik.01583

Stressor intensity determines antagonistic interactions between species invasion and multiple stressor effects on ecosystem functioning

2014· article· en· W1980539903 sur OpenAlexfundno aff
Siobhan R. Vye, Mark Emmerson, Francisco Arenas, Jaimie T. A. Dick, Nessa E. O’Connor

Notice bibliographique

RevueOikos · 2014
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal plant biology
Établissements canadiensnon disponible
Organismes subventionnairesAgri-Food and Biosciences InstituteQueen's UniversityQueen's University Belfast
Mots-clésEcologyEcosystemContext (archaeology)Biomass (ecology)Effects of global warming on oceansBiologyCumulative effectsBiodiversityEnvironmental scienceGlobal warmingClimate change

Résumé

récupéré en direct d'OpenAlex

Biological invasions, nutrient enrichment and ocean warming are known to threaten biodiversity and ecosystem functioning. The independent effects of these ecological stressors are well studied, however, we lack understanding of their cumulative effects, which may be additive, antagonistic or synergistic. For example, the impacts of biological invasions are often determined by environmental context, which suggests that the effects of invasive species may vary with other stressors such as pollution or climate change. This study examined the effects of an invasive seaweed ( Sargassum muticum ) on the structure and functioning of a synthetic macroalgal assemblage and tested explicitly whether these effects varied with nutrient enrichment and ocean warming. Overall, the presence of S. muticum increased assemblage productivity rates and warming altered algal assemblage structure, which was characterised by a decrease in kelp and an increase in ephemeral green algae. The effects of S. muticum on total algal biomass accumulation, however, varied with nutrient enrichment and warming, producing antagonistic cumulative effects on total algal biomass accumulation. These findings show that the nature of stressor interactions may vary with stressor intensity and among response variables, which leads to less predictable consequences for the structure and functioning of communities.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,216
Score d'incertitude au seuil0,957

Scores Codex et Gemma par catégorie

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

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 Opus0,019
Tête enseignante GPT0,205
Écart entre enseignants0,187 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations34
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOikosMême sujetMarine and coastal plant biologyTravaux en français237 207