Environmental drivers of taxonomic and functional variation in zooplankton diversity and composition in freshwater lakes across Canadian continental watersheds
Notice bibliographique
Résumé
ABSTRACT Canada is home to more lakes than any other nation, but there is a fragmented and limited understanding of the ecological status of these water bodies. Zooplankton are excellent bioindicators of lake health, given their central food web position. To date, many studies have investigated the effect of individual stressors on zooplankton communities, mediated through changes in water quality (e.g., macronutrients, temperature, or chemicals). Increasingly, stressors act simultaneously in lakes, often over extended periods of time. As part of the NSERC Canadian Lake Pulse Network project, pelagic zooplankton were sampled in 624 lakes across Canada, spanning six continental drainage basins. We evaluated the effect of 40+ environmental variables on zooplankton diversity and community composition, considering both taxonomic and functional approaches. We also tested specific hypotheses on the relationships between zooplankton communities and environmental conditions, including eutrophication, calcium, chloride, and fish predation. We found that lake morphometry variables were among the most important predictors of zooplankton diversity, while water quality metrics were more critical in explaining variation in community composition. Our results also reveal significant heterogeneity across Canada, with contrasting effects of environmental drivers among continental watersheds, highlighting that response models cannot be assumed to apply universally.
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) | 0,000 | 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 ».