The dynamics of top‐down and bottom‐up effects in food webs of varying prey diversity, composition, and productivity
Notice bibliographique
Résumé
Prey diversity is thought to mediate the strength of top‐down and bottom‐up effects, but few experiments directly test this hypothesis. I assembled food webs of bacteria and bacterivorous protist prey in laboratory microcosms with all combinations of five productivity levels, two top predator treatments (present or absent), and three prey compositions. Depauperate food chains contained one of two edible prey species, while more diverse food webs contained both edible prey species plus two additional less‐edible/inedible prey. Equilibrium theory predicts that prey diversity should weaken the top‐down and bottom‐up effects on trophic level biomasses, due to density compensation among prey species. Top‐down effects should increase with productivity in food chains, but decrease with productivity in food webs. Results revealed highly dynamic top‐down effects, the strength of which varied more over time than among treatments. Further, top‐down effects did not merely vary in absolute strength over time, but also in relative strength across different prey compositions and productivity levels. It might be expected that equilibrium models would qualitatively reproduce time‐averaged results. However, time‐averaged data largely failed to support equilibrium predictions. This failure may reflect strong temporal variability in treatment effects combined with nonlinear density dependence of species’ per‐capita growth rates. Strong temporal variability in the strength of top‐down effects has not previously been demonstrated, but likely is common in nature as well.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».