MétaCan
Menu
Retour à la cohorte
Enregistrement W4307009160 · doi:10.1111/ddi.13647

Effects of non‐native species on phylogenetic dispersion of freshwater fish communities in North America

2022· article· en· W4307009160 sur OpenAlexaffabout
Hong Qian, Cindy Chu, Daijiang Li, Yong Cao, Brody Sandel, M.U. Mohamed Anas, Nicholas E. Mandrak

Notice bibliographique

RevueDiversity and Distributions · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensThe Scarborough HospitalUniversity of AlbertaUniversity of TorontoFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésPhylogenetic treePhylogenetic diversityBiologyEcologySpecies richnessIntroduced speciesBiodiversitySpatial ecologySpecies diversityMacroecologyPhylogenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Aim Most studies focusing on terrestrial ecosystems have shown that non‐native species are more likely to invade phylogenetically clustered communities, that the introduction of non‐native species increases phylogenetic clustering in the recipient communities, and that the latter is more conspicuous for recipient communities at a larger spatial scale. However, whether these patterns hold for aquatic ecosystems is rarely tested. Here, we investigate the phylogenetic structure of native and non‐native freshwater fish assemblages at a continental spatial extent. Location The continental United States and Canada. Time period Current. Methods We collated native and naturalized non‐native species lists of freshwater fishes for each watershed at local and regional spatial scales. Two phylogenetic metrics (MPD ses and MNND ses ) representing different evolutionary depths were used to quantify the phylogenetic dispersion of each watershed fish assemblage and were related to temperature and precipitation using correlation and regression analyses. Values of the metrics were compared between the two spatial scales. Results Our study found that (1) phylogenetically more diverse fish communities tended to be invaded by fewer non‐native fish species, and that non‐native species more frequently invaded communities with lower phylogenetic dispersion (i.e. higher phylogenetic clustering), (2) introduction of non‐native fishes reduced phylogenetic clustering in some watershed but increased clustering in others, (3) introduction of non‐native species caused phylogenetic dispersion to increase in watersheds with low phylogenetic diversity and to decrease in watersheds with high phylogenetic diversity and (4) phylogenetic clustering for fish assemblages at the larger spatial scale was smaller than that at the smaller spatial scale. Main conclusions Support for Darwin's naturalization and preadaptation hypotheses in freshwater fish assemblages depends on the phylogenetic diversity of assemblages within the invaded watersheds. Our results are contrary to previous studies that found that the introduction of non‐native species increases phylogenetic clustering in the recipient communities more strongly at a larger spatial scale.

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 candidatesaucune
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 enseignants0,009
Score d'incertitude au seuil0,565

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,009
Tête enseignante GPT0,182
Écart entre enseignants0,173 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations10
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDiversity and DistributionsMême sujetFish Ecology and Management StudiesTravaux en français237 207