Relations of interannual differences in stream litter breakdown with discharge: bioassessment implications
Notice bibliographique
Résumé
Abstract Ecosystem‐level processes are increasingly used by researchers and managers as indicators of ecological integrity for bioassessment, particularly in streams. However, processes like litter breakdown integrate multiple mechanistic pathways, which can vary differentially even under natural, unimpacted conditions. In particular, weather‐driven hydrologic variations may strongly influence invertebrate shredder feeding and physical abrasion, inducing high natural variability of litter breakdown rates, which may obscure the effects of anthropogenic disturbances. Yet, such variability is rarely assessed to refine benchmarks of ecological status. Here, we quantified how interannual hydrologic differences contributed to the spatio‐temporal variability of litter breakdown rate and its components (fragmentation, λ F ; and dissolution and microbial decomposition, λ m ), in low‐order unimpacted, perennial streams across three climatically similar regions in temperate Canada. We measured litter breakdown rates in coarse (5 or 10 mm; k c )‐ and fine‐mesh (0.5 mm; k f ) leaf bags during fall for 2–4 yr and used variance partitioning to disentangle the variation of k c , λ F , and λ m , as explained by hydrologic indices (during and prior to leaf bag incubation), decomposer‐related variables, and water chemistry. Contrary to our hypotheses, interannual hydrologic variability was unrelated to λ F , and poorly predicted λ m and k c within regions. Within‐region spatial (i.e., across sites in a year) and temporal (across years at a site) differences in k c approximated or exceeded the range of natural variability suggested to characterize reference conditions by a popular bioassessment framework. Accordingly, we recommend site‐ and region‐specific modifications of benchmarks for reference conditions that account for interannual variability, while cautioning about their potential non‐stationarity under climate change. Composite parameters such as k c / k f and λ F /λ m were substantially more variable across sites, and hence are not robust assessment parameters. As the range of natural variability of litter breakdown revealed in this study can overlap with the average impacts of certain anthropogenic disturbances (e.g., nutrient enrichment) on this parameter reported by previous research, we emphasize the need to include other structural and functional indicators to ensure comprehensive stream bioassessments.
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) | 0,026 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».