MétaCan
Menu
Retour à la cohorte
Enregistrement W2921377069 · doi:10.1127/fal/2019/1187

Consumer responses to resource patch size and architecture: leaf packs in streams

2019· article· en· W2921377069 sur OpenAlexaff
John S. Richardson, Éric Chauvet

Notice bibliographique

RevueFundamental and Applied Limnology / Archiv für Hydrobiologie · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueCloud Computing and Resource Management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSTREAMSResource (disambiguation)ArchitectureEcologyEnvironmental scienceBiologyComputer scienceGeographyComputer network

Résumé

récupéré en direct d'OpenAlex

Accumulations of leaf litter in freshwaters can vary from individual leaves to large leaf packs. Past studies have demonstrated that decomposition rates decrease as leaf pack size increases. We considered a set of hypotheses that lower breakdown in larger leaf packs occurs as a consequence of diffusion gradients of oxygen and nutrients, or lower accessibility to larger detritivores to leaf tissue in the middle of these leaf packs. We manipulated leaf pack size in a stream to quantify decomposition rates and the abundances of consumers relative to the amount of detrital mass available. Mass loss rates of beech leaves were lower as leaf pack size increased. We found no differences in fungal biomass across our treatment gradients, or when comparing leaves in the middle of the leaf pack versus those on the outside. The lower decomposition of larger leaf packs would thus not result from a lower quality of the resource based on fungal biomass. Invertebrates per unit mass of leaf packs declined exponentially with size of leaf pack. Smaller invertebrates were less abundant per unit of resource as leaf pack size increased, but abundances of larger invertebrates declined even more dramatically than that of smaller ones. The results are consistent with accessibility within leaf packs decreasing as leaf pack size increases, a factor that is important for the estimation of consumer-resource functions for this patchy resource.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,634
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,009
Tête enseignante GPT0,232
Écart entre enseignants0,223 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFundamental and Applied Limnology / Archiv für HydrobiologieMême sujetCloud Computing and Resource ManagementTravaux en français237 207