Distinctive macroinvertebrate communities in a subtropical river network
Notice bibliographique
Résumé
Macroinvertebrates are widely used as bio-indicators in streams and rivers, and it is usually assumed that their community composition is primarily controlled by local environmental conditions. We examined the distribution of macroinvertebrates within the Guadalupe River basin (3256 km2) in Central Texas across physiographic gradients. Spatial analysis with variables that considers flow direction, connectivity and distances between sites (asymmetric eigenvector maps, AEM) detected distinctive communities in the lower reaches of the mainstem, in spring-influenced reaches, and in a tributary with intermittent reaches. Variation partitioning with redundancy analysis showed that large-scale factors, i.e. riverine network patterns (large-scale AEM variables), climatic variation and ecoregion explained a significant proportion (28%) of the variation in community composition within a river basin. The riverine network patterns were the most important factor, explaining 12% alone. Local environmental factors were significant, but completely confounded within these spatial patterns. We propose that there are distinctive macroinvertebrate communities depending on the location in the river network and this may apply to other (subtropical) rivers, which should be tested by future studies. We recommend spatial analysis that considers distances and connectivity within a river network as a powerful tool to recognize multiscale riverine network patterns, which can help to identify priority areas for conservation and to develop sound monitoring programs.
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) | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,002 |
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 ».