The role of environmental and spatial processes in structuring native and non‐native fish communities across thousands of lakes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Quantifying the role of spatial patterns is an important goal in ecology to further understand patterns of community composition. We quantified the relative role of environmental conditions and regional spatial patterns that could be produced by environmental filtering and dispersal limitation on fish community composition for thousands of lakes. A database was assembled on fish community composition, lake morphology, water quality, climatic conditions, and hydrological connectivity for 9885 lakes in Ontario, Canada. We utilized a variation partitioning approach in conjunction with Moran's Eigenvector Maps (MEM) and Asymmetric Eigenvector Maps (AEM) to model spatial patterns that could be produced by human‐mediated and natural modes of dispersal. Across 9885 lakes and 100 fish species, environmental factors and spatial structure explained approximately 19% of the variation in fish community composition. Examining the proportional role of spatial structure and environmental conditions revealed that as much as 90% of the explained variation in native species assemblage composition is governed by environmental conditions. Conversely on average, 67% of the explained variation in non‐native assemblage composition can be related to human‐mediated dispersal. This study highlights the importance of including spatial structure and environmental conditions when explaining patterns of community composition to better discriminate between the ecological processes that underlie biogeographical patterns of communities composed of native and non‐native fish species.
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.
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) | 0,000 | 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 découle