Warming sea surface temperatures fuel summer epidemics of eelgrass wasting disease
Notice bibliographique
Résumé
Seawater temperatures are increasing, with many unquantified impacts on marine diseases. While prolonged temperature stress can accelerate host-pathogen interactions, the outcomes in nature are poorly quantified. We monitored eelgrass wasting disease (EWD) from 2013-2017 and correlated mid-summer prevalence of EWD with remotely sensed seawater temperature metrics before, during, and after the 2015-2016 marine heatwave in the northeast Pacific, the longest marine heatwave in recent history. Eelgrass shoot density declined by 60% between 2013 and 2015 and did not recover. EWD prevalence ranged from 5-70% in 2013 and increased to 60-90% by 2017. EWD severity approximately doubled each year between 2015 and 2017. EWD prevalence was positively correlated with warmer temperature for the month prior to sampling while EWD severity was negatively correlated with warming prior to sampling. This complex result may be mediated by leaf growth; bigger leaves may be more likely to be diseased, but may also grow faster than lesions, resulting in lower severity. Regional stressors leading to population declines prior to or early in the heatwave may have exacerbated the effects of warming on eelgrass disease susceptibility and reduced the resilience of this critical 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) | 0,002 | 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 ».