MétaCan
Menu
Retour à la cohorte
Enregistrement W2343263042 · doi:10.1111/fwb.12769

Surface water connectivity drives richness and composition of Arctic lake fish assemblages

2016· article· en· W2343263042 sur OpenAlexfundno aff
Sarah M. Laske, Trevor B. Haynes, Amanda E. Rosenberger, Joshua C. Koch, Mark S. Wipfli, Matthew S. Whitman, Christian E. Zimmerman

Notice bibliographique

RevueFreshwater Biology · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlaska Department of Fish and GameNational Science Foundation
Mots-clésSpecies richnessEcologyArcticColonisationHabitatEnvironmental scienceGeographyBiologyColonization

Résumé

récupéré en direct d'OpenAlex

Summary Surface water connectivity can influence the richness and composition of fish assemblages, particularly in harsh environments where colonisation factors and access to seasonal refugia are required for species persistence. Studies regarding influence of connectivity on Arctic fish distributions are limited and are rarely applied to whole assemblage patterns. To increase our understanding of how surface water connectivity and related hydrologic variables influence assemblage patterns, we investigated species richness and composition of Arctic lake fishes over a large region, 8500 km 2 , of the central Arctic Coastal Plain, Alaska. We collected fish presence/non‐detection data from 102 lakes and used a hierarchical multispecies occupancy framework to derive species richness and inform species composition patterns. Our mean estimate of regional richness was 12.3 ( SD 0.5) species. Presence of a permanent channel connection was an overriding factor affecting species richness (mean 3.6, 95% CI 3.1–4.9), presumably driving lake colonisation potential. In lakes without a permanent channel connection, data suggest richness (mean 2.0, 95% CI 1.7–3.3) increased with the availability of in‐lake winter refugia and with the potential of ephemeral connections during spring floods. Fish species functional traits and environmental faunal filters contributed to patterns of richness and assemblage composition. Composition corresponded with richness in a coherent manner, where each successive level of richness contained several discrete assemblages that showed similar responses to the environment. Lakes with permanent channel connections contained both widespread and restricted species, while the species‐poor lakes that lacked a connection contained mainly widespread species. This work provides useful baseline information on the processes that drive the relations between patch connectivity and fish species richness and assemblage composition. The environmental processes that organise fish assemblages in Arctic lakes are likely to change in a warming climate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,103
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,009
Tête enseignante GPT0,217
Écart entre enseignants0,209 · 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 tête enseignante, pas un consensus.

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

Citations37
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFreshwater BiologyMême sujetFish Ecology and Management StudiesTravaux en français237 207