MétaCan
Menu
Retour à la cohorte
Enregistrement W2583294912 · doi:10.1111/oik.03517

Refuge increases food chain length: modeled impacts of littoral structure in lake food webs

2017· article· en· W2583294912 sur OpenAlexaff
Jacob P. Ziegler, Irene Gregory‐Eaves, Christopher T. Solomon

Notice bibliographique

RevueOikos · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésFood chainTrophic levelEcosystemFood webLittoral zoneEcologyEnvironmental scienceBiomass (ecology)Apex predatorLake ecosystemBiology

Résumé

récupéré en direct d'OpenAlex

Food chain length (FCL) represents a fundamental metric within ecology because it has implications for ecosystem function and responses to environmental change. Omnivory between linked food chains situated within large ecosystems can increase FCL, whereas overlap of food chains within small or spatially compressed ecosystems is generally thought to decrease FCL. Yet FCL varies widely in small ecosystems and the mechanisms underlying determinants of FCL in these systems is unclear. In small shallow lakes, littoral structure is a predictor of FCL but it is unclear whether this is due to productivity or refuge mechanisms. Here we provide evidence, using consumer resource food web modules parameterized with empirical data, that refuge in spatially compressed ecosystems has the ability on its own to increase the trophic position of top predators by increasing the biomass of top and intermediate predators across a range of common food web module structures. Our results suggest that refuge is an important driver of FCL in small ecosystems, which has implications for determining responses of these systems to environmental change.

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 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 enseignants0,128
Score d'incertitude au seuil0,888

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,012
Tête enseignante GPT0,231
Écart entre enseignants0,218 · 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.

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

Citations12
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOikosMême sujetFish Ecology and Management StudiesTravaux en français237 207