Drivers of contemporary lacustrine fish species richness in the glacial Lake Agassiz basin
Notice bibliographique
Résumé
Abstract Aim Biological communities are the result of a stepwise spatiotemporal filtering process, driven by large‐scale historical and local contemporary determinants. The biogeographical pattern and species richness of North American fishes are predominantly determined by historical processes of past glaciations and postglacial dispersal and by contemporary environmental and ecological processes. We evaluated the effects of postglacial dispersal through glacial Lake Agassiz and habitat heterogeneity, represented by lake surface area, on contemporary freshwater fish species richness patterns of northwestern Ontario lakes. Location Northwestern Ontario, Canada. Taxon Freshwater fishes. Methods Applying the theory of island biogeography and species–area curves, we examined the effects of isolation from the past dispersal corridor of glacial Lake Agassiz and habitat heterogeneity on species richness across 264 contemporary lakes. While controlling for correlations among the predictor variables, generalized linear models were constructed between species richness, as the response variable and the explanatory variables of lake elevation and surface area, and connection to the dispersal corridor. Results Differential cover by glacial Lake Agassiz led to variation in fish species richness across contemporary lakes and it is higher in lakes that were covered by Lake Agassiz relative to basins remaining outside of the boundaries of the glacial lake. Lake surface area is the strongest predictor of species richness, while lake elevation is the strongest factor predicting isolation. Main Conclusions Habitat heterogeneity and postglacial colonization have led to differences in fish richness within the same geographical region, which increases with lake surface area and decreases with elevation. These are likely driven by greater niche diversity facilitating the assembly of more diverse communities and isostatic rebound and fluctuating levels of Lake Agassiz isolating lakes at high elevations from the dispersal route earlier during the colonization process, respectively. These patterns underscore the importance of incorporating historical and environmental community determinants in biodiversity studies.
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 | 0,001 |
| 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 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 ».