From clear lakes to murky waters – tracing the functional response of high‐latitude lake communities to concurrent ‘greening’ and ‘browning’
Notice bibliographique
Résumé
Abstract Climate change and the intensification of land use practices are causing widespread eutrophication of subarctic lakes. The implications of this rapid change for lake ecosystem function remain poorly understood. To assess how freshwater communities respond to such profound changes in their habitat and resource availability, we conducted a space‐for‐time analysis of food‐web structure in 30 lakes situated across a temperature‐productivity gradient equivalent to the predicted future climate of subarctic Europe (temperature +3°C, precipitation +30% and nutrient +45 μg L −1 total phosphorus). Along this gradient, we observed an increase in the assimilation of pelagic‐derived carbon from 25 to 75% throughout primary, secondary and tertiary consumers. This shift was overwhelmingly driven by the consumption of pelagic detritus by benthic primary consumers and was not accompanied by increased pelagic foraging by higher trophic level consumers. Our data also revealed a convergence of the carbon isotope ratios of pelagic and benthic food web endmembers in the warmest, most productive lakes indicating that the incorporation of terrestrial derived carbon into aquatic food webs increases as land use intensifies. These results, reflecting changes along a gradient characteristic of the predicted future environment throughout the subarctic, indicate that climate and land use driven eutrophication and browning are radically altering the function and fuelling of aquatic food webs in this biome.
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 | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».