Multiscale drivers of phytoplankton communities in north‐temperate lakes
Notice bibliographique
Résumé
Multiple factors operating across different spatial and temporal scales affect β-diversity, the variation in community composition among sites. Disentangling the relative influence of co-occurring ecological drivers over broad biogeographic gradients and time is critical to developing mechanistic understanding of community responses to natural environmental heterogeneity as well as predicting the effects of anthropogenic change. We partitioned taxonomic β-diversity in phytoplankton communities across 75 north-temperate lakes and reservoirs in Alberta, Canada, using data-driven, spatially constrained null models to differentiate between spatially structured, spatially independent, and spuriously correlated associations with a suite of biologically relevant environmental variables. Phytoplankton β-diversity was largely independent of space, indicating spatial processes (e.g., dispersal limitation) likely play a minor role in structuring communities at the regional scale. Our analysis also identified seasonal differences in the importance of environmental factors, suggesting a general shift toward greater relevance of local, in-lake (e.g., nutrients and Secchi depth) over regional, atmospheric and catchment-level (e.g., monthly solar radiation and grassland coverage) drivers as the open-water growing season progressed. Several local and regional variables explained taxonomic variation jointly, reflecting climatic and land-use linkages (e.g., air temperature and water column stability or pastureland and nutrient enrichment) that underscore the importance of understanding how phytoplankton communities integrate, and may serve as sentinels of, broader anthropogenic changes. We also discovered similar community composition in natural and constructed water bodies, demonstrating rapid filtering of regional species to match local environmental conditions in reservoirs comparable to those in natural habitats. Finally, certain factors related to human footprint (e.g., cropland development) explained the composition of bloom-forming and/or toxic cyanobacteria more than the overall phytoplankton community, suggesting their heightened importance to integrated watershed management.
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) | 0,002 | 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; 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 ».