MétaCan
Menu
Retour à la cohorte
Enregistrement W1985302723 · doi:10.4319/lo.2014.59.3.0733

Benthic mats offer a potential subsidy to pelagic consumers in tundra pond food webs

2014· article· en· W1985302723 sur OpenAlexaff
Heather Mariash, Shawn P. Devlin, Laura Forsström, Roger I. Jones, Milla Rautio

Notice bibliographique

RevueLimnology and Oceanography · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueIsotope Analysis in Ecology
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésBenthic zonePelagic zoneTundraHabitatEcologyPhytoplanktonBiologyTrophic levelDaphniaEnvironmental scienceFisheryOceanographyZooplanktonEcosystemNutrientGeology

Résumé

récupéré en direct d'OpenAlex

We quantified the potential nutritional contribution of benthic mats to pelagic consumers in tundra ponds using three approaches. (1) We compared benthic and pelagic habitats based on their algal biomass and community composition and assessed the dietary quality in terms of fatty acid (FA) concentrations in both habitats. The algal community compositions differed significantly between habitats. Both benthic and pelagic habitats contained saturated and unsaturated FAs, but on average there were more FAs relative to carbon in the pelagic habitat (44 ± 29 µg mg C −1 ) than the benthic habitat (23 ± 18 µg mg C −1 ) across all studied ponds. (2) We quantified the contribution of benthic mats to the whole‐lake FA pool and found that benthic mats dominate (on average > 90%) the basal FA resource within tundra ponds. (3) Using a series of feeding experiments, we found that Daphnia survival and FA concentrations increased when a benthic mat slurry supplemented low concentrations of phytoplankton. However, Daphnia could not survive solely on benthic mats, and nor did benthic mats increase adult Daphnia survival when mats were offered as coherent pieces. The extent to which pelagic consumers could be supported by benthic production challenges the view that benthic habitats are functionally separate from the pelagic food webs within northern lake ecosystems.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,004
Tête enseignante GPT0,192
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 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'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

Citations29
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLimnology and OceanographyMême sujetIsotope Analysis in EcologyTravaux en français237 207