Coral Recruit-Algae Interactions in Coral Reef Lagoons Are Mediated by Riverine Influences
Notice bibliographique
Résumé
Coral recruit and algae abundance and diversity were studied in Kenyan reefs to determine the influence of terrestrial discharge (nutrients and sediments) and the recovery potential of coral reefs after disturbances. Reefs affected by sediments and nutrients were found to have high total, turf, and macroalgae but reduced coralline algae abundance and coral recruit density. Interestingly, this response was found to be the greatest in reefs close to nutrient sources relative to “pristine” reefs and those affected simultaneously by sediments and nutrients. Further, enhanced levels of brown algae and pocilloporid recruits were observed in reefs affected by terrestrial run-off whereas acroporid recruit, coralline, and calcareous algae abundance was high in reefs under low terrestrial input. Our results show that whereas increased sediment levels negatively affect coral recruit density individually, their interaction with nutrients improves recruit density in reefs simultaneously affected by sediment and nutrients. These findings suggest that the assessment of local factors that enhance inhibitory and those that suppress promotional processes involved in coral settlement and recruitment is an important aspect to consider in the conservation and management of coral reefs in the face of local anthropogenic stress as well as future climate disturbance dynamics and their interaction.
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 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».