Spawning salmon density influences fruit production of salmonberry (<i>Rubus spectabilis</i>)
Notice bibliographique
Résumé
Abstract Annual spawning migrations by Pacific salmon can provide substantial subsidies to nutrient‐limited freshwater and riparian ecosystems, which can affect the abundance, diversity, and physical characteristics of plant and animal species in these habitats. Here, we provide the first investigation of how salmon subsidies affect reproductive output in plants, focusing on a common riparian shrub, salmonberry ( Rubus spectabilis ). We studied 14 streams with a range of spawning salmon densities on the central coast of British Columbia, Canada. We determined the effects of chum ( Oncorhynchus keta ), pink ( O. gorbuscha ), and total salmon spawning density on the number of fruits per shrub, number of seeds per fruit, fruit weight, and estimated sugar content (° Brix) of salmonberry fruits. We found that the number of fruits per salmonberry shrub increased with increasing salmon density. However, we found no effect of salmon density on the number of seeds per fruit, fruit weight, or sugar content. The effect of salmon density was species‐dependent; the number of fruits per shrub increased with chum salmon density but was not affected by pink salmon density. This could be because chum salmon occur at higher densities and are transferred from water to land at higher rates than pink salmon in our study area. Higher salmonberry fruit production could lead to a larger input of salmonberry fruits to coastal food webs. These results demonstrate how salmon can cross ecological boundaries and influence reproductive output of terrestrial species.
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 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».