Midge (<scp>C</scp>hironomidae, <scp>C</scp>haoboridae, <scp>C</scp>eratopogonidae) assemblages and their relationship with biological and physicochemical variables in shallow, polymictic lakes
Notice bibliographique
Résumé
Summary We explored the relationship of aquatic midge assemblages with physicochemical and biological environmental gradients to assess which variables may govern the distribution of midge larvae in 47 shallow, polymictic lakes across N ew J ersey and N ew Y ork S tate ( NJ / NY ) in the United States of America. Subfossil taxa collected from surficial sediments (0–1 cm sediment depth), comprising 50 taxa from 47 lakes, were analysed in conjunction with environmental variables using multivariate statistical techniques. Alkalinity, maximum depth, surface area, total phosphorus and pH were identified as significant and ecologically relevant variables that explained the most variation in the midge assemblage across NJ / NY . Lake trophic state was the main driver for midge distributions in NJ / NY lakes. Biological gradients, such as per cent macrophyte cover or algal productivity (as chlorophyll a concentration), did not explain a significant portion of the variation in midge community composition. The addition of chaoborid larvae to ordinations strengthened the relationship between midge community structure and bottom oxygen concentration in NJ / NY lakes. Our results confirm that complex species–environment relationships in shallow, polymictic lakes create challenges for assessing midge assemblages along a particular environmental gradient, independently of other environmental conditions. However, it may still be possible to develop palaeolimnological inference models using midge remains to assess general historical patterns of disturbance for NJ / NY and other polymictic lakes, provided it is understood that midge‐based inferences integrate some covariation in changes along several environmental gradients.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».