Drivers of nitrogen transfer in stream food webs across continents
Notice bibliographique
Résumé
Abstract Studies of trophic‐level material and energy transfers are central to ecology. The use of isotopic tracers has now made it possible to measure trophic transfer efficiencies of important nutrients and to better understand how these materials move through food webs. We analyzed data from thirteen 15 N‐ammonium tracer addition experiments to quantify N transfer from basal resources to animals in headwater streams with varying physical, chemical, and biological features. N transfer efficiencies from primary uptake compartments (PUCs; heterotrophic microorganisms and primary producers) to primary consumers was lower (mean 11.5%, range <1% to 43%) than N transfer efficiencies from primary consumers to predators (mean 80%, range 5% to >100%). Total N transferred (as a rate) was greater in streams with open compared to closed canopies and overall N transfer efficiency generally followed a similar pattern, although was not statistically significant. We used principal component analysis to condense a suite of site characteristics into two environmental components. Total N uptake rates among trophic levels were best predicted by the component that was correlated with latitude, DIN:SRP, GPP:ER, and percent canopy cover. N transfer efficiency did not respond consistently to environmental variables. Our results suggest that canopy cover influences N movement through stream food webs because light availability and primary production facilitate N transfer to higher trophic levels.
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 | 0,000 |
| 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 ».