Effects of catchment perturbations by logging and wildfires on zooplankton species richness and composition in Boreal Shield lakes
Notice bibliographique
Résumé
SUMMARY 1. Forest logging and wildfires are important perturbations of the boreal forest, but their effects on lake biota remain largely unknown. Here, we test whether zooplankton species richness and species assemblages differed among three groups of lakes in Eastern Canada characterised by different catchment conditions: logged in 1995 ( n =9); burnt in 1995 ( n =9); unperturbed ( n =20). Lakes were sampled in June, July and September 1 year after catchment perturbations. 2. Cumulative species richness in reference lakes averaged 46 (33–60) of which 63% were rotifers. Mean cumulative species richness and mean diversity in logged and burnt lakes did not differ from those in reference lakes. 3. Lake species assemblages were described by the density of 62 species (41 rotifers and 21 crustaceans). Among‐group differences in species assemblages were not significant. Eighteen per cent of the total variability in species assemblages could be explained by 13 environmental factors, among which dissolved oxygen concentration and cyanobacteria biovolume were the most important. About 5% of species assemblage variability was attributed to covariation between environmental factors and time of sampling, while 4.1% was attributed to temporal variation. 4. Variations in zooplankton species richness and assemblages in Boreal Shield lakes are important, both among lakes and among sampling dates. They seem to depend on environmental factors unrelated to catchment‐based perturbations, at least on the short‐term of 1 year.
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) | 0,000 | 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 tête enseignante, 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 ».