MétaCan
Menu
Retour à la cohorte
Enregistrement W2143633121 · doi:10.1890/11-1595.1

Warming modifies trophic cascades and eutrophication in experimental freshwater communities

2012· article· en· W2143633121 sur OpenAlexaff
Pavel Kratina, Hamish S. Greig, Patrick L. Thompson, Ticiana S. A. Carvalho‐Pereira, Jonathan B. Shurin

Notice bibliographique

RevueEcology · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensMcGill UniversityUniversity of British Columbia
Organismes subventionnairesRural Development Administration
Mots-clésEutrophicationTrophic levelTrophic cascadeEnvironmental scienceMesocosmBiomass (ecology)PhytoplanktonEcosystemEcologyGlobal warmingProductivityFreshwater ecosystemClimate changeNutrientFood webBiology

Résumé

récupéré en direct d'OpenAlex

Climate warming is occurring in concert with other anthropogenic changes to ecosystems. However, it is unknown whether and how warming alters the importance of top-down vs. bottom-up control over community productivity and variability. We performed a 16-month factorial experimental manipulation of warming, nutrient enrichment, and predator presence in replicated freshwater pond mesocosms to test their independent and interactive impacts. Warming strengthened trophic cascades from fish to primary producers, and it decreased the impact of eutrophication on the mean and temporal variation of phytoplankton biomass. These impacts varied seasonally, with higher temperatures leading to stronger trophic cascades in winter and weaker algae blooms under eutrophication in summer. Our results suggest that higher temperatures may shift the control of primary production in freshwater ponds toward stronger top-down and weaker bottom-up effects. The dampened temporal variability of algal biomass under eutrophication at higher temperatures suggests that warming may stabilize some ecosystem processes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,240
Écart entre enseignants0,221 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations294
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcologyMême sujetFish Ecology and Management StudiesTravaux en français237 207