MétaCan
Menu
Retour à la cohorte

HABITAT SPECIALIZATION AND THE EXPLOITATION OF ALLOCHTHONOUS CARBON BY ZOOPLANKTON

2006· article· en· W2147119813 sur OpenAlexaff
Blake Matthews, Asit Mazumder

Notice bibliographique

RevueEcology · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueIsotope Analysis in Ecology
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésZooplanktonEpilimnionHypolimnionEcologyHabitatDaphnia pulexEnvironmental scienceFood webDaphniaBiologyEcosystemEutrophicationNutrient

Résumé

récupéré en direct d'OpenAlex

The significance of spatial subsidies depends on consumer resource interactions in the recipient habitat. Lakes are subsidized by terrestrial carbon sources, but the pathways of allochthonous carbon through lake food webs are complex and not well understood. Zooplankton vertically partition resources within stratified lakes in response to life history trade-offs that are governed by predators, the quantity and quality of food, and abiotic conditions (e.g., UV, temperature, and viscosity). We measured habitat specialization of zooplankton in an oligotrophic lake where allochthonous and autochthonous resources varied with depth. During stratification, the quantity and quality of zooplankton food was highest in the hypolimnion. We used a yearlong time series of the delta13C of zooplankton and particulate organic matter (POM) to determine which zooplankton species exploited hypolimnetic rather than epilimnetic resources. Because the delta13C of POM decreased with depth, we used the delta13C of zooplankton to detect inter- and intraspecific variation in habitat selection. We incubated Daphnia pulex at discrete depths in the water column to confirm that the delta13C of zooplankton can indicate habitat specialization. Zooplankton that specialized in the epilimnion relied more on allochthonous carbon sources than those that specialized in the hypolimnion. Therefore, the fate of allochthonous carbon subsidies to lakes depends on spatially explicit consumer-resource interactions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,695

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,003
Tête enseignante GPT0,188
Écart entre enseignants0,185 · 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 tête enseignante, pas un consensus.

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

Citations59
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcologyMême sujetIsotope Analysis in EcologyTravaux en français237 207