MétaCan
Menu
Retour à la cohorte
Enregistrement W2910221093 · doi:10.1111/fwb.13248

Fish assemblage–environment relationships suggest differential trophic responses to heavy metal contamination

2019· article· en· W2910221093 sur OpenAlexfundno aff
Kevin P. Krause, Chin‐Lung Wu, Maria L. Chu, Jason H. Knouft

Notice bibliographique

RevueFreshwater Biology · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesNature Conservancy of Canada
Mots-clésSpecies richnessEcologyAbundance (ecology)Environmental scienceTrophic levelCentrarchidaeBiotaIndicator speciesBiologyBass (fish)MicropterusHabitat

Résumé

récupéré en direct d'OpenAlex

Abstract While ecotoxicology has long recognised the importance of identifying levels at which contaminants pose threats to biota, most estimates of species responses to toxicants are derived from controlled laboratory studies and may hold limited relevance to natural systems. However, designing appropriate field‐based studies investigating contaminant induced changes in assemblages has been challenging, partially due to the difficulty in identifying comparable uncontaminated reference sites. The aim of this study is to characterise the effects of heavy metal contamination on natural fish assemblages using an ecologically relevant catchment‐scale design. We hypothesise that environmental variables, including discharge, sediment, and landscape variables, can be used to characterise differences in fish species richness and abundances between sites contaminated with heavy metals and uncontaminated reference sites. We apply a geographic information systems approach that uses assemblage–environment relationships developed using hydrologic model outputs, land cover, and topographic data from uncontaminated reference sites to predict expected fish species richness and abundance at sites contaminated with heavy‐metals within the Big River catchment in south‐eastern Missouri, U.S.A. These predicted levels of richness and abundance are then compared to observed assemblages at contaminated sites to estimate the potential impacts of historical lead mining activities on freshwater taxa. We developed models that characterised variation in Centrarchidae (bass and sunfish) richness and abundance, Cyprinidae (minnows) abundance, and Percidae (darters) richness using variables including streamflow regime, suspended sediment concentration, and land cover at uncontaminated sites. Using these relationships, we predicted expected fish species richness and abundance at heavy metal contaminated sites across the Big River catchment and found a significant reduction in centrarchid abundance from field‐collected data compared to predicted estimates. Our results suggest that centrarchids, which tend to occupy a higher trophic level than cyprinids and percids, have lower abundances at sites contaminated with heavy metals than predicted by assemblage–environment relationships. These decreases in abundance are not associated with decreases in centrarchid species richness, cyprinid abundance, or percid richness. This geographic information systems‐based approach provides a useful and ecologically relevant framework for understanding the response of taxa to the presence of contaminants without assuming habitat equivalence across sites. Our findings also suggest the need for further research regarding how heavy metals impact fishes of varying trophic levels in natural settings.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,224
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFreshwater BiologyMême sujetFish Ecology and Management StudiesTravaux en français237 207