Substratum as a driver of variation in periphyton chlorophyll and productivity in lakes
Notice bibliographique
Résumé
Quantifying periphyton (attached algal) contributions to autotrophic production in lakes is confounded by properties of substratum that affect community biomass (as chlorophyll content) and productivity. We compared chlorophyll content and productivity of natural algal communities (phytoplankton, epipelon, epilithon, epixylon, and epiphyton) experiencing high (>10%) incident radiation in lakes in the US, Greenland, and Quebec, Canada. Chlorophyll content and productivity differed significantly among regions, but they also differed consistently among communities independent of region. Chlorophyll content of periphyton on hard substrata (rocks and wood) was positively related to water-column total P (TP), whereas chlorophyll content of algae on sediment (epipelon) and TP were not significantly related. Chlorophyll content was up to 100× higher on sediments than on hard substrata. Within regions, chlorophyll-specific primary productivity was highest for phytoplankton and lowest for epipelon. Periphyton on hard substrata and on macrophytes (epiphyton) had similar rates of chlorophyll-specific productivity that were intermediate to those of epipelon and phytoplankton. Area-specific productivity of epipelon was 5 to 10× higher than area-specific productivity of periphyton on hard substrata. This broad geographic comparison indicates that, in low to moderately productive lakes under high-light conditions, algal communities have predictable differences in area-specific and chlorophyll-specific productivity based on substratum. As such, chlorophyll alone is an inadequate predictor of the relative contributions of different algal communities to total primary production. Our results highlight the importance of the relative abundance and spatial distributions of substrata in determining the role of the littoral zones in nutrient and energy cycles in lakes.
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 ».