MétaCan
Menu
Retour à la cohorte
Enregistrement W2082677100 · doi:10.1111/j.1365-2427.2009.02196.x

Resource–consumer diversity: testing the effects of leaf litter species diversity on stream macroinvertebrate communities

2009· article· en· W2082677100 sur OpenAlexaff
John S. Kominoski, Catherine M. Pringle

Notice bibliographique

RevueFreshwater Biology · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFreshwater macroinvertebrate diversity and ecology
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversity of GeorgiaNational Science Foundation
Mots-clésLitterPlant litterBiologySpecies richnessEcologySpecies diversityDetritusEcosystem

Résumé

récupéré en direct d'OpenAlex

Summary 1. Understanding relationships between resource and consumer diversity is essential to predicting how changes in resource diversity might affect several trophic levels and overall ecosystem functioning. 2. We tested for the effects of leaf litter species diversity (i.e. litter mixing) on litter mass remaining and macroinvertebrate communities (taxon diversity, abundance and biomass) during breakdown in a detritus‐based headwater stream (North Carolina, U.S.A.). We used full‐factorial analyses of single‐ and mixed‐species litter from dominant riparian tree species with distinct leaf chemistries [red maple ( Acer rubrum ), tulip poplar ( Liriodendron tulipifera ), chestnut oak ( Quercus prinus ) and rhododendron ( Rhododendron maximum )] to test for additivity (single‐species litter presence/absence effects) and non‐additivity (emergent effects of litter species interactions). 3. Significant non‐additive effects of litter mixing on litter mass remaining were explained by species composition, but not richness, and litter‐mixing effects were variable throughout breakdown. Specifically, small differences in observed versus expected litter mass remaining were measured on day 14; whereas observed litter mass remaining in mixed‐species leaf packs was significantly higher on day 70 and lower on day 118 than expected from data for single‐species leaf packs. 4. Litter mixing had non‐additive effects on macroinvertebrate community structure. The number of species in litter mixtures (two to four), but not litter species composition, was a significant predictor of the dominance of particular macroinvertebrates (i.e. indicator taxa) within mixed‐species packs. 5. In addition, the presence/absence of high‐ ( L. tulipifera ) and low‐quality ( R. maximum ) litter had additive effects on macroinvertebrate taxon richness, abundance and biomass. The presence of L. tulipifera litter had both positive (synergistic) and negative (antagonistic) effects on invertebrate taxon richness, that varied during breakdown but were not related to litter chemistry. In contrast, the presence/absence of L. tulipifera had a negative relationship with total macroinvertebrate biomass (due to low leaf mass remaining when L. tulipifera was present and higher condensed and hydrolysable tannins associated with leaf packs lacking L. tulipifera ). Macroinvertebrate abundance was consistently lower when R. maximum was present, which was partially explained by litter chemistry [e.g., high concentrations of lignin, condensed tannins, hydrolysable tannins and total phenolics and high carbon to nutrient (N and P) ratios]. 6. The bottom‐up effects of litter species diversity on stream macroinvertebrates and litter breakdown are different, which suggests that structural attributes of macroinvertebrate communities may only partially explain the effects of litter‐mixing on organic matter processing in streams. In addition, stream macroinvertebrates colonising decomposing litter are influenced by resource diversity as well as resource availability. Broad‐scale shifts in riparian tree species composition will alter litter inputs to streams, and our results suggest that changes in the diversity and availability of terrestrial litter may alter stream food webs and organic matter processing.

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 candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,080
Score d'incertitude au seuil1,000

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 technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,003
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,199
Écart entre enseignants0,174 · 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.

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

Citations53
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFreshwater BiologyMême sujetFreshwater macroinvertebrate diversity and ecologyTravaux en français237 207