Direct and indirect effects of fish on pelagic nitrogen and phosphorus availability in oligotrophic Arctic Alaskan lakes
Notice bibliographique
Résumé
The importance of fish nutrient recycling for lake primary production increases with lake productivity. However, fish in low-productivity lakes may have substantial indirect effects on nutrient recycling from lower trophic levels. We measured nutrient excretion rates from fish and zooplankton in oligotrophic Arctic lakes and investigated direct and indirect fish effects on consumer nutrient recycling. Fish nutrient excretion rates were small relative to phytoplankton nutrient demand. Zooplankton excretion, however, supplied 19%–130% and 37%–200% of phytoplankton nitrogen and phosphorus demand, respectively. Fish had a significant effect on zooplankton biomass; in lakes with fish, this was approximately 80% lower than in lakes without fish. The difference in zooplankton biomass was due primarily to a decrease in zooplankton density; no significant difference in average zooplankton size was observed between fish and fishless lakes. Fish also impacted zooplankton community composition; communities in lakes with fish were dominated by copepods compared with cladoceran dominance in lakes without fish. Because of lower zooplankton biomass, lakes with fish showed lower rates of zooplankton nitrogen and phosphorus excretion relative to lakes without fish. Thus, our results support the hypothesis that fish have major indirect effects on lake nutrient cycles, even when direct excretion from fish is minimal.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».