Population niche breadth and individual trophic specialisation of fish along a climate-productivity gradient
Notice bibliographique
Résumé
Abstract A mechanistic understanding of how environmental change affects trophic ecology of fish at the individual and population level remains elusive. To address this, we conducted a space-for-time approach incorporating environmental gradients (temperature, precipitation and nutrients), lake morphometry (visibility, depth and area), fish communities (richness, competition and predation), prey availability (richness and density) and feeding (population niche breadth and individual trophic specialisation) for 15 native fish taxa belonging to different thermal guilds from 35 subarctic lakes along a marked climate-productivity gradient corresponding to future climate change predictions. We revealed significant and contrasting responses from two generalist species that are abundant and widely distributed in the region. The cold-water adapted European whitefish ( Coregonus lavaretus ) reduced individual specialisation in warmer and more productive lakes. Conversely, the cool-water adapted Eurasian perch ( Perca fluviatilis ) showed increased levels of individual specialism along climate-productivity gradient. Although whitefish and perch differed in the way they consumed prey along the climate-productivity gradient, they both switched from consumption of zooplankton in cooler, less productive lakes, to macrozoobenthos in warmer, more productive lakes. Species with specialist benthic or pelagic feeding did not show significant changes in trophic ecology along the gradient. We conclude that generalist consumers, such as warmer adapted perch, have clear advantages over colder and clear-water specialised species or morphs through their capacity to undergo reciprocal benthic–pelagic switches in feeding associated with environmental change. The capacity to show trophic flexibility in warmer and more productive lakes is likely a key trait for species dominance in future communities of high latitudes under climate change.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».