Effects of near‐bed turbulence on the suspension and settlement of freshwater dreissenid mussel larvae
Notice bibliographique
Résumé
Summary Larval transport and settlement in benthic invertebrates is theorised to be influenced by bottom roughness and the hydrodynamic forces that roughness generates near the bed. This study of freshwater D reissena spp. bivalves examined the transport and suspension of pediveliger larvae and larval models in a laboratory flow chamber and larval settlement in L ake E rie. Particle image velocimetry ( PIV ) measurements in the laboratory, and acoustic D oppler velocimetry ( ADV ) measurements in the field, were used to estimate small‐scale turbulence in the near‐bed environment over differing roughness. Quadrant analysis was used to determine the frequency of turbulent sweeps and ejections, and the extent of roughness flow regime (skimming versus wake interference flow) was noted to understand the determinants of larval transport and settlement. Skimming flow generated above bottoms with high mussel densities had significantly lower suspended transport (i.e. suspension off the bottom in the flow chamber; 3.31 ± 1.14%) and lower larval settlement in the field (1526 ± 80 larvae m −2 per day) compared to low mussel densities (6.63 ± 1.54% and 1853 ± 47 larvae m −2 per day). Conversely, wake interference flow indicated by high frequencies of turbulent sweeps and ejections generated by the roughness due to mussel patches resulted in high suspended transport in the flow chamber (i.e. via ejections) and the highest larval settlement in the field (i.e. via sweeps; 1943 ± 59 larvae m −2 per day). The spatial configuration of mussel roughness influenced the creation and magnitude of skimming versus wake interference flow, which can inhibit or enhance larval settlement, respectively.
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 | 0,001 |
| 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) | 0,013 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».