Hypoxia’s impact on pelagic fish populations in Lake Erie: a tale of two planktivores
Notice bibliographique
Résumé
Whether bottom hypoxia has long-lasting consequences for pelagic fish populations remains speculative for most ecosystems. We explored hypoxia’s influence on two pelagic zooplanktivores in Lake Erie that have different thermal preferences: cold-water rainbow smelt (Osmerus mordax) and warm-water emerald shiners (Notropis atherinoides). To assess acute effects, we combined predictive bioenergetics-based modeling with field collections made across the hypoxic season in central Lake Erie during 2005 and 2007. To assess chronic effects, we related fishery-independent and fishery-dependent catches with hypoxia severity and top predator (walleye, Sander vitreus) abundance during 1986–2014. As our modeling predicted, hypoxia altered rainbow smelt movement and distributions, leading to avoidance of cold, hypoxic bottom waters. In response, diets shifted from benthic to pelagic organisms, and consumption and energetic condition declined. These changes were lacking in emerald shiners. Our long-term analyses showed rainbow smelt abundance and hypoxia to be negatively related and suggested that hypoxia avoidance increases susceptibility to commercial fishing and walleye predation. Collectively, our findings indicate that hypoxia can negatively affect pelagic fish populations over the long term, especially those requiring cold water.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».