Environment and predation govern fish community assembly in temperate streams
Notice bibliographique
Résumé
Abstract Aim The elucidation of patterns and drivers of community assembly remains a fundamental issue in ecology. Past studies have focused on a limited number of communities at local or regional scales, thus precluding a comprehensive examination of assembly rules. We addressed this challenge by examining stream fish community assembly within numerous independent watersheds spanning a broad environmental gradient. We aimed to answer the following questions: (1) are fish communities structured non‐randomly, and (2) what is the relative importance of environmental filtering, predator–prey interactions and interspecific competition in driving species associations? Location The conterminous USA. Methods We used null models to analyse species associations in streams. Non‐random communities were defined as those where the summed number of segregated and aggregated species pairs exceeded the number expected by chance. We used species traits to characterize species dissimilarity in environmental requirements (ENV), identify potential predator–prey interactions (PRED) and estimate likely degree of competition based on species similarity in body size, feeding strategies and phylogeny (COMP). To evaluate the effect of environmental filtering, predation and competition on species associations, we related ENV, PRED and COMP to the degree of species segregation. Results The majority (75–85%) of watersheds had non‐random fish communities. Species segregation increased with species dissimilarity in environmental requirements (ENV). An increase in competition strength (COMP) did not appear to increase segregation. Species pairs engaging in predator–prey interactions (PRED) were more segregated than non‐predator–prey pairs. ENV was more predictive of the degree of species segregation than PRED. Main conclusions We provide compelling evidence for widespread non‐random structure in US stream fish communities. Community assembly is governed largely by environmental filtering, followed by predator–prey interactions, whereas the influence of interspecific competition appears minimal. Applying a traits‐based approach to continent‐wide datasets provides a powerful approach for examining the existence of assembly rules in nature.
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 | 0,001 |
| 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 ».