MétaCan
Menu
Retour à la cohorte
Enregistrement W3107569827 · doi:10.1111/jbi.14015

Arctic chironomids of the northwest North Atlantic reflect environmental and biogeographic gradients

2020· article· en· W3107569827 sur OpenAlexafffundabout
Andrew S. Medeiros, Đurađ Milošević, Donna R. Francis, Eleanor J. Maddison, Sarah Woodroffe, Antony J. Long, Ian R. Walker, Ladislav Hamerlík, Roberto Quinlan, Peter G. Langdon, Klaus P. Brodersen, Yarrow Axford

Notice bibliographique

RevueJournal of Biogeography · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensYork UniversityUniversity of British Columbia, Okanagan CampusUniversity of British ColumbiaDalhousie University
Organismes subventionnairesDalhousie UniversityNational Science Foundation
Mots-clésOrdinationArcticChironomidaeTaxonEcologyGeographySpatial distributionArchipelagoSpatial ecologyCommunity structurePhysical geographyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Aim While we understand broad climate drivers of insect distributions throughout the Arctic, less is known about the role of spatial processes in determining these relationships. As such, there is a need to understand how spatial controls may influence our interpretations of chironomid environment relationships. Here, we evaluated whether the distribution of chironomids followed spatial gradients, or were primarily controlled by environmental factors. Location Eastern Canadian Arctic, Greenland, Iceland. Taxon Non‐biting midges (Chironomidae). Methods We examined chironomid assemblages from 239 lakes in the western North Atlantic Arctic region (specifically from the Arctic Archipelago of Canada, two parts of west Greenland (the southwest and central west) and northwest Iceland). We used a combination of unconstrained ordination (Self Organizing Maps); a simple method with only one data matrix (community data), and constrained ordination (Redundancy Analysis); a canonical ordination with two datasets where we extracted structure of community related to environmental data. These methods allowed us to model chironomid assemblages across a large bioregional dimension and identify specific differences between regions that were defined by common taxa represented across all regions in high frequencies, as well as rare taxa distinctive to each region found in low frequencies. We then evaluated the relative importance of spatial processes versus local environmental factors. Results We find that environmental controls explained the largest amount of variation in chironomid assemblages within each region, and that spatial controls are only significant when crossing between regions. Broad‐scale biogeographic effects on chironomid distributions are reflected by the distinct differences among chironomid assemblages of Iceland, central‐west Greenland, and eastern Canada, defined by the presence of certain common and low‐frequency, rare taxa for each region. Environmental gradients, especially temperature, defined species distributions within each region, whereas spatial processes combine with environmental gradients in determining what mix of species characterizes each broad and geographically distinct island region in our study. Main conclusions While biogeographic context is important for defining interpretations of environmental controls on species distributions, the primary control on distributions within regions is environmental. These influences are fundamentally important for reconstructing past environmental change and better understanding historical distributions of these insect indicators.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,197
Écart entre enseignants0,184 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of BiogeographyMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207