MétaCan
Menu
Retour à la cohorte
Enregistrement W2170883844 · doi:10.1111/gcb.12818

Interactive effects of ocean acidification and rising sea temperatures alter predation rate and predator selectivity in reef fish communities

2014· article· en· W2170883844 sur OpenAlexaff
Maud C. O. Ferrari, Philip L. Munday, Jodie L. Rummer, Mark I. McCormick, Katherine C. Corkill, Sue‐Ann Watson, Bridie J. M. Allan, Mark G. Meekan, Douglas P. Chivers

Notice bibliographique

RevueGlobal Change Biology · 2014
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Acidification Effects and Responses
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesAustralian Research Council
Mots-clésOcean acidificationPredationPredatorCoral reef fishReefEnvironmental scienceFish <Actinopterygii>Effects of global warming on oceansEcologyApex predatorFisheryClimate changeOceanographyBiologyGlobal warmingGeology

Résumé

récupéré en direct d'OpenAlex

Ocean warming and acidification are serious threats to marine life. While each stressor alone has been studied in detail, their combined effects on the outcome of ecological interactions are poorly understood. We measured predation rates and predator selectivity of two closely related species of damselfish exposed to a predatory dottyback. We found temperature and CO2 interacted synergistically on overall predation rate, but antagonistically on predator selectivity. Notably, elevated CO2 or temperature alone reversed predator selectivity, but the interaction between the two stressors cancelled selectivity. Routine metabolic rates of the two prey showed strong species differences in tolerance to CO2 and not temperature, but these differences did not correlate with recorded mortality. This highlights the difficulty of linking species-level physiological tolerance to resulting ecological outcomes. This study is the first to document both synergistic and antagonistic effects of elevated CO2 and temperature on a crucial ecological process like predator-prey dynamics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0000,001
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 Opus0,015
Tête enseignante GPT0,250
Écart entre enseignants0,235 · 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 source (Gemma direct ou Codex distillé), 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

Citations86
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Change BiologyMême sujetOcean Acidification Effects and ResponsesTravaux en français237 207