Functional feeding response of Nordic and Arctic krill on natural phytoplankton and zooplankton
Notice bibliographique
Résumé
Abstract Krill species play a pivotal role in energetic transfer from lower to upper trophic levels. However, functional feeding responses, which determine how food availability influences ingestion rates, are still not well defined for northern krill species. Here, we estimated and compared the functional feeding responses on natural communities of phytoplankton and mesozooplankton of two coexisting species, Meganyctiphanes norvegica and Thysanoessa raschii. We tested the influence of the presence of phytoplankton on the ingestion rate and the selectivity of both krill species when feeding on zooplankton prey. We performed a series of feeding experiments using increasing concentrations of natural phytoplankton (64 taxa; 2 to >50 μm) and mesozooplankton (28 taxa; ~100–2000 μm) assemblages and the latter in presence and absence of phytoplankton. Results revealed that both krill species exhibited a Holling type III feeding response on phytoplankton. However, T. raschii was able to exploit efficiently the highest phytoplankton concentrations. Our experiments highlighted that the presence of phytoplankton modified the functional feeding response on mesozooplankton preys of M. norvegica, but not that of T. raschii. Similarly, the presence of phytoplankton influenced the feeding selectivity on mesozooplankton preys, although both species showed contrasting selectivity patterns. In addition, we estimated the energy needs in relation to the daily rations. T. raschii satisfied its energy needs by feeding either on high phytoplankton concentrations or on low mesozooplankton densities, whereas M. norvegica did not cover its metabolic costs efficiently by feeding on phytoplankton only, even at high phytoplankton concentrations.
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».