Recruitment, abundance, and predation on the blue mussel (<i>Mytilus edulis</i>) on northeastern estuarine rocky shores
Notice bibliographique
Résumé
We report on patterns of abundance, recruitment, and predation on the blue mussel ( Mytilus edulis ) in three human‐dominated estuaries in the northeastern United States. Through replicate field experiments and observational studies at multiple sites nested within each of the three estuaries, we investigated the relative influences of local and regional scale variation in select bottom‐up and top‐down factors on blue mussel populations on wave‐protected rocky shores. The most striking result was the decoupling between adult abundance and recruitment: mussel recruitment rates were highest in the most northern estuary, Casco Bay, while adult abundances were highest in the most southern estuary, Long Island Sound. We detected evidence of top‐down forcing on adult abundance by consumers in the two more southern estuaries, Narragansett Bay and Long Island Sound, but not in Casco Bay. Finally, we observed some indications of bottom‐up forcing on mussel abundance and recruitment at the within‐estuary scale, but these signals were not consistent among estuaries or across the responses measured (e.g., adult abundances and recruitment rates). Our results support previous work demonstrating the importance of both top‐down and bottom‐up influences on rocky shore populations, and also highlight how future research—particularly integrating studies of the different ontogenetic stages of mussels—could further advance understanding of biological population dynamics in this and other systems.
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) | 0,002 | 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 ».