Food Web Connectivity in a Mangrove–Seagrass–Patch Reef (MSP) Seascape: Lessons from a Tropical Back-Reef in Puerto Rico
Notice bibliographique
Résumé
Alterations to the functions and connectivity of mangrove–seagrass–patch reef (MSP) seascapes have the potential to impact the survival, foraging activities, and movement of reef-dependent invertebrates (e.g., crabs and shrimp) and fishes. In the current study, we examined carbon flow in the Guánica Biosphere Reserve in southwestern Puerto Rico using pigment analysis of particulate organic matter and stable isotope analysis of carbon (δ13C) and nitrogen (δ15N) in flora and fauna. Several lines of evidence pointed to N2 fixers (cyanobacteria) being important for fueling primary productivity in this oligotrophic ecosystem including low (<0.7 µg L−1) chlorophyll, prevalence of cyanobacteria based on pigment signatures, and the isotope signatures of seagrass and red mangrove leaf tissue (enriched δ15N values) and consumers (depleted δ15N values). Food web mixing models based on stable isotopes (δ13C and δ15N) revealed that multiple producers (phytoplankton, benthic microalgae, seagrasses, etc.) contributed organic matter to the consumers (zooplankton, invertebrates, and fishes) in the MSP seascape at the center of the reserve. Contribution estimates for common benthic invertebrates (crabs and shrimp) were taxon-specific, and the highest input was generally linked to particulate organic matter (POM) and benthic microalgae (BMA)/seagrass producer categories, although meaningful mangrove contribution was observed for some taxa. Similarly, contribution estimates for fishes were highest for POM and BMA/seagrass, with the latter producer category being more important for species known to migrate from mangroves or patch reefs to seagrass beds at night (bluestriped grunt, French grunt, and white grunt). Although all fish investigated were observed in mangrove prop-root habitats, input of organic matter from mangroves to these consumers was typically limited for most of the species examined. Understanding these complex seascapes contributes to our understanding of the ecology of these vital ecosystems.
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 | 0,000 | 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) | 0,001 | 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 ».