Predicting zebra mussel fouling on native mussels from physicochemical variables
Notice bibliographique
Résumé
Summary 1. Predictive models of impact are needed for the risk assessment of invasive species. One such species is the Eurasian zebra mussel ( Dreissena polymorpha ), a fouling bivalve that overgrows and kills native mussels (Unionidae) in many North American lakes and rivers. The level of mortality in a native mussel population increases with the fouling intensity – i.e. the mean number of zebra mussels attached to each native mussel. 2. We conducted a multi‐site survey within the St Lawrence and Richelieu rivers (Quebec, Canada) to determine whether zebra mussel fouling intensity can be predicted from environmental variables. We found fouling intensity to be positively correlated with calcium concentration [Ca 2+ ] and negatively correlated with sediment size, but not affected by local macrophyte cover. 3. A multiple regression model that includes calcium concentration and sediment size explains 86% of variation in fouling intensity across all sites. 4. Analysis of data from invaded sites in North America and Europe revealed a nonlinear relationship in which fouling intensity increases with calcium concentration up to an asymptotic threshold of 24 mg L −1 Ca 2+ . 5. Our results suggest that the community‐level impacts of zebra mussels are mediated by abiotic environmental variables and gradients in these variables may provide local habitat refugia for native mussels.
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) | 0,012 | 0,003 |
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 ».