Energetic context determines species and community responses to ocean acidification
Notice bibliographique
Résumé
Physiological responses to ocean acidification are thought to be related to energetic trade-offs. Although a number of studies have proposed that negative responses to low pH could be minimized in situations where food resources are more readily available, evidence for such effects on individuals remain mixed, and the consequences of such effects at the community level remain untested. We explored the potential for food availability and diet quality to modify the effects of acidification on developing marine fouling communities in field-deployed mesocosms by supplementing natural food supply with one of two species of phytoplankton, differing in concentration of fatty acids. After 12 weeks, no species demonstrated the interactive effects generally predicted in the literature, where a positive overall effect of diet mitigated the negative overall effects of acidification. Rather, for some species, additional food supply appeared to bring out or exacerbate the negative effects of low pH. Community richness and structure were only altered by acidification, while space occupation and evenness reflected patterns of the most dominant species. Importantly, we find that acidification stress can increase the relative abundance of invasive species, even under resource conditions that otherwise prevented invasive species establishment. Overall, the proposed hypothesis regarding the ability for food addition to mitigate the negative effects of acidification is thus far not widely supported at species or community levels. It is clear that acidification is a strong driving force in these communities but understanding underlying energetic and competitive context is essential to developing mechanistic predictions for climate change responses.
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 | 0,001 |
| 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 | 0,000 |
| 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 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 ».