Macrophyte biomass predicts food chain length in shallow lakes
Notice bibliographique
Résumé
Food chain length provides insights into how ecosystems function and respond to global change. A recent synthesis has shown that food chain length is significantly related to both ecosystem productivity and ecosystem size. Relaxation of energetic constraints on top predators has been advanced as the primary mechanism explaining the importance of ecosystem productivity whereas the significance of ecosystem size may be related to the fact that larger ecosystems provide more refuge that stabilizes intermediate predators. Given that submerged macrophytes in lakes are known to enhance both ecosystem productivity and the amount of available refuge, we hypothesized that food chain lengths, measured as the trophic positions of top predators, would be significantly related to macrophyte biomass. We tested our hypothesis by conducting a field survey of shallow lakes across a strong macrophyte but limited morphometric gradient using a hierarchical mixed effect modeling approach. We determined that macrophyte biomass was positively related to the trophic position of numerous piscivores and to food chain length across lakes. Both lake volume and macrophyte biomass were retained as fixed predictors in our model with lowest AICc, and this model explained 85% of the variation in piscivorous fish trophic positions considering both fixed and random effects (i.e., lake and species‐specific responses to lake volume). Macrophyte biomass explained 29% of the residual variation in food chain length when the effect of lake volume was removed. These results are the first to directly relate macrophyte biomass to piscivore trophic positions and food chain length. We conclude that shallow lakes with higher macrophyte biomass support longer food chains independent of ecosystem size and nutrient concentration. We suggest that loss of macrophytes largely driven by human activities reduces food chain length, with potential consequences for ecosystem function.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».