Effects of water color on predation regimes and zooplankton assemblages in freshwater lakes
Notice bibliographique
Résumé
Northern temperate lakes often have high water color because of high concentrations of dissolved organic carbon (DOC). Altered light, temperature, and oxygen profiles in these brown‐water lakes should reduce the foraging abilities of planktivorous fish and reduce predation on zooplankton and invertebrate predators such as Chaoborus . Additionally, reduced diurnal vertical migration should limit exposure to cold temperatures and increase zooplankton growth rates. We hypothesized that, with increasing water color, Chaoborus would become more important, and this change would be followed by a shift in the zooplankton assemblage toward larger species. To test this hypothesis, we carried out a 2 x 2 x 2 factorial enclosure study to examine the effects of high and low color and the presence and absence of both fish and Chaoborus on zooplankton assemblages. We also analyzed the zooplankton community structure of two lakes with similar morphometry and fish composition but very different water color. Both studies showed that, in highly colored water, Chaoborus was more abundant and the zooplankton community shifted from small species, such as Bosmina and small copepods, to large species, such as Daphnia and Holopedium . Concurrently, the food web structure changed from top‐down control to intraguild predation. Because not only the physical habitat differs between clear‐ and brown‐water lakes, but also the predation regimes and food web structure, we conclude that brown‐water lakes are a distinct lake type.
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 ».