MétaCan
Menu
Retour à la cohorte
Enregistrement W2001655346 · doi:10.3354/meps08782

Bleaching of an intertidal coralline alga: untangling the effects of light, temperature, and desiccation

2010· article· en· W2001655346 sur OpenAlexaff
PT Martone, M Alyono, S Stites

Notice bibliographique

RevueMarine Ecology Progress Series · 2010
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal plant biology
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésIntertidal zoneDesiccationFrondIntertidal ecologyRocky shoreEcologyBiologyTide poolOceanographyBotanyGeology

Résumé

récupéré en direct d'OpenAlex

Intertidal macroalgae must tolerate temperature, light, and desiccation stresses when the tide recedes, and differences in physiological tolerance to these environmental stresses contribute directly to zonation patterns and community structure along the shore. When low tides occur on particularly hot sunny days, seaweeds may sustain physiological damage, lose pigment, and 'bleach.' Because bleaching events often occur when temperature, light, and desiccation stresses coincide, their precise cause is not understood. We conducted fully factorial laboratory manipulations to explore the individual and interactive effects of temperature, light, and desiccation on acute pigment loss in the intertidal coralline Calliarthron tuberculosum (Postels & Ruprecht) E. Y. Dawson. Findings suggest that desiccation is the most significant contributor to bleaching; desiccating fronds even bleached in the dark at 15C. Susceptibility to desiccation may explain why mid-intertidal C. tuberculosum fronds are rarely found outside tidepools. Light and temperature had only marginal effects on pigment loss, although stresses interacted with increasing significance through time. When combined, temperature, light, and desiccation stresses were capable of inducing, on average, 50% pigment loss in C. tuberculosum within 24 min of emersion. These physiological data could be used in conjunction with environmental datasets to generate 'ecomechanical' models to predict future bleaching events and their ecological consequences under hypothetical climate change scenarios.

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 enseignants0,100
Score d'incertitude au seuil0,984

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 Opus0,003
Tête enseignante GPT0,193
Écart entre enseignants0,190 · 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

Citations82
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMarine Ecology Progress SeriesMême sujetMarine and coastal plant biologyTravaux en français237 207