Fine-scale spatiotemporal influences of salmon on growth and nitrogen signatures of Sitka spruce tree rings
Notice bibliographique
Résumé
BACKGROUND: The marine-terrestrial transfer of salmon (Oncorhynchus spp.) provides a substantial pulse of nutrients to receiving ecosystems along the Pacific coast of North America and has been shown to enhance productivity and isotopic signatures of conifers and other riparian vegetation. An explicitly spatial, within-watershed investigation of the influence of salmon on conifers has never been previously investigated. In a small salmon-bearing watershed in Haida Gwaii, Canada, the transfer and distributional pattern of salmon carcasses into the riparian zone by black bears provided a spatial basis for investigating the influence of salmon on Sitka spruce tree ring growth and nitrogen isotopic signatures (δ(15)N) across a gradient of salmon carcass densities in relation to salmon escapement. RESULTS: Annual growth was found to be highest in the high salmon carcass zone and δ(15)N signatures closely tracked the known distribution of salmon carcasses at distances into the forest and upstream. Tree diameter demonstrated a positive relationship with δ(15)N signatures for trees with and without salmon carcass influence. Using an information theoretics approach with general linear mixed models (GLMMs), we show that salmon abundance, mean annual temperature and the interaction terms salmon abundance*temperature and salmon abundance*distance into the forest best predict tree growth. In addition, spatial variables (distance into forest and upstream) and their interaction are the strongest predictors of δ(15)N signatures. However patterns observed in individual trees, particularly those at increased distance into the forest, suggest positive relationships with historical salmon abundance. CONCLUSIONS: Using a replicated spatial sampling design across a sharp gradient in salmon nutrient loading, our study provides clear evidence that the temporal pattern in an allochthonous nutrient source and an interaction with temperature and spatial location influences conifer growth. Although salmon abundance has been previously linked to annual conifer growth and δ(15)N levels, our approach demonstrates the need to incorporate additional predictors including tree size and opens up the prospect of their dual use as historical proxies for salmon abundance.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».