Patterns in freshwater diatom taxonomic distinctness along an eutrophication gradient
Notice bibliographique
Résumé
Summary 1. A variety of species richness measures have been used to assess the effects of environmental degradation on biodiversity. Such measures can be highly influenced by sample size, sampling effort, habitat type or complexity, however, and typically do not show monotonic responses to human impact. In addition to being independent of the degree of sampling effort involved in data acquisition, effective measures of biodiversity should reflect the degree of taxonomical relatedness among species within ecological assemblages and provide a basis for understanding observed diversity for a particular habitat type. Taxonomic diversity or distinctness indices emphasize the average taxonomic relatedness (i.e. degree of taxonomical closeness) between species in a community. 2. Eutrophication of freshwater ecosystems, mainly due to the increased availability of nutrients, notably phosphorus, has become a major environmental problem. Two measures of taxonomic distinctness (Average Taxonomic Distinctness and Variation in Taxonomic Distinctness) were applied to surface sediment diatoms from 45 lakes across the island of Ireland to examine whether taxonomic distinctness and nutrient enrichment were significantly related at a regional scale. The lakes span a range of concentrations of epilimnic total phosphorus (TP) and were grouped into six different types, based on depth and alkalinity levels, and three different categories according to trophic state (ultra‐oligotrophic and oligotrophic; mesotrophic; and eutrophic and hyper‐eutrophic). 3. The taxonomic distinctness measures revealed significant differences among lakes in the three different classes of trophic state, with nutrient‐rich lakes generally more taxonomically diverse than nutrient‐poor lakes. This implies that enrichment of oligotrophic lakes does not necessarily lead to a reduction in taxonomic diversity, at least as expressed by the indices used here. Furthermore, taxonomic distinctness was highly variable across the six different lake types regardless of nutrient level. 4. Results indicate that habitat availability and physical structure within the study lakes also exert a strong influence on the pattern of taxonomic diversity. Overall the results highlight problems with the use of taxonomic diversity measures for detecting impacts of freshwater eutrophication based on diatom assemblages.
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) | 0,011 | 0,002 |
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 ».