Trophic Transfer Efficiency in Lakes
Notice bibliographique
Résumé
Abstract Trophic transfer efficiency (TTE) is usually calculated as the ratio of production rates between two consecutive trophic levels. Although seemingly simple, TTE estimates from lakes are rare. In our review, we explore the processes and structures that must be understood for a proper lake TTE estimate. We briefly discuss measurements of production rates and trophic positions and mention how ecological efficiencies, nutrients (N, P) and other compounds (fatty acids) affect energy transfer between trophic levels and hence TTE. Furthermore, we elucidate how TTE estimates are linked with size-based approaches according to the Metabolic Theory of Ecology, and how food-web models can be applied to study TTE in lakes. Subsequently, we explore temporal and spatial heterogeneity of production and TTE in lakes, with a particular focus on the links between benthic and pelagic habitats and between the lake and the terrestrial environment. We provide an overview of TTE estimates from lakes found in the published literature. Finally, we present two alternative approaches to estimating TTE. First, TTE can be seen as a mechanistic quantity informing about the energy and matter flow between producer and consumer groups. This approach is informative with respect to food-web structure, but requires enormous amounts of data. The greatest uncertainty comes from the proper consideration of basal production to estimate TTE of omnivorous organisms. An alternative approach is estimating food-chain and food-web efficiencies, by comparing the heterotrophic production of single consumer levels or the total sum of all heterotrophic production including that of heterotrophic bacteria to the total sum of primary production. We close the review by pointing to a few research questions that would benefit from more frequent and standardized estimates of TTE in lakes.
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 | 0,001 | 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) | 0,018 | 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 ».