Trait‐dependency of trophic interactions in zooplankton food webs
Notice bibliographique
Résumé
Anthropogenic change in the abundance or identity of dominant top predators may induce reorganizations in whole food webs. Predicting these reorganizations requires identifying the biological rules that govern trophic niches. However, we still lack a detailed understanding of the respective contributions of body size, behaviour (e.g. match between predator hunting mode and prey antipredator strategy), phylogeny and/or ontogeny in determining both the presence and strength of trophic interactions. Here, we address this question by measuring zooplankton numerical response to fish predators in lake enclosures. We compared the fit to zooplankton count data of models grouping zooplankters based either on 1) body sizes, 2) antipredator behaviour, 3) body size combined with antipredator behaviour or on 4) phylogeny combined with ontogeny (i.e. different life stages of copepods). Body size was a better predictor of zooplankton numerical response to fish than antipredator behaviour, but combining body size and behaviour provided even better predictions. Models based on phylogeny combined with ontogeny clearly outperformed those based on other zooplankton grouping rules, except when phylogeny was poorly resolved. Removing ontogenetic information plagued the predictive power of the highly‐resolved (genus‐level) phylogenetic grouping but not of medium‐resolved or poorly‐resolved phylogenetic grouping. Our results support the recent use of phylogeny as a superior surrogate for traits controlling trophic niches, and further highlight the added value of combining phylogeny with ontogenetic traits. Further improvements in our mechanistic understanding of how trophic networks are shaped are bound to uncovering the trophic traits captured by phylogeny and ontogeny, but that currently remain hidden to us.
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) | 0,004 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».