Biotic responses to multiple aquatic and terrestrial gradients in shallow subarctic lakes (Old Crow Flats, Yukon, Canada)
Notice bibliographique
Résumé
Biotic communities in shallow northern lakes are frequently used to assess environmental change; however, complex interactions among multiple factors remain understudied. Here, we present analyses of a comprehensive data set that evaluates the influence input waters, catchment characteristics, limnology, and sediment properties on diatom and chironomid assemblages in surface sediments of ~49 shallow mainly thermokarst lakes in Old Crow Flats, Yukon. Multivariate analyses and ANOSIM tests identified that composition of diatom (119 taxa) and chironomid (68 taxa) assemblages differs significantly (p < 0.05) between lakes with snowmelt- versus rainfall-dominated input water. Redundancy analyses revealed strong correlation of limnological, sediment, and catchment variables with input waters. Variation partitioning analyses showed that unique effects of limnological variables account for the largest proportion of variation in diatom and chironomid assemblages (17.2% and 12.6%, respectively). Important independent roles of sediment properties (8.5% and 9.5%) and catchment characteristics (4.9% and 5.1%) were also identified. We suggest that the substantial variation shared among these classes (6.1% and 7.9%) is largely attributable to hydrological processes. Our study demonstrates the utility of multi-factor analysis in northern aquatic research and draws attention to the limitations of one-dimensional comparisons and their interpretations when modelling biotic responses 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 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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».