A global meta‐analysis of exotic versus native leaf decay in stream ecosystems
Notice bibliographique
Résumé
Abstract Streams are reliant on streamside plants for allochthonous inputs that form the base of the stream food web. The impact of exotic leaves on stream ecosystems has been investigated regionally, but not assessed globally. In this study, we conducted a global meta‐analysis contrasting native and exotic aquatic litter decay. We used a linear mixed effects model to identify how the site‐specific factors and experimental treatments of latitude, temperature, pH , conductivity and the exclusion of invertebrates (via mesh size) cause relative differences in exotic and native decay rates. Subsequently, we assessed whether differences in native and exotic litter decay rates were driven by the intrinsic factors of leaf litter quality. We found that overall leaf litter decay rates were similar for native and exotic leaves on a global scale. However, we also found that exotic leaves decayed faster than native leaves at higher stream temperatures and in larger mesh sizes (allowing macroinvertebrate access); yet, those differences disappeared at lower temperatures and in finer mesh sizes which excluded macroinvertebrates. Post hoc analysis of leaf quality suggested that differences between higher native and lower exotic leaf C:N ratios might explain differences in decomposition rates observed at high temperature, and differences between lower native and higher exotic leaf C:P ratios associated with differences in decomposition rates observed at coarse mesh sizes. Our study suggests that exotic leaf litter is likely to have the most impact in high‐temperature stream ecosystems and that the nature of the impact is potentially related to the C:N ratio differences between native and exotic leaves. This might indicate that higher temperature stream ecosystems are more vulnerable to changes in litter decay rates due to invasion by exotic plant species than lower temperature stream ecosystems, and should be monitored accordingly. We recommend that future leaf litter decay studies include stream discharge measurements and leaf litter quality information so that both intrinsic and extrinsic factors that impact litter decay can be fully accounted for when assessing the factors that drive differences in leaf litter decay rates.
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) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».