MétaCan
Menu
← Retour à la cohorte
Enregistrement W4362664858 · doi:10.22541/au.168079154.43109618/v1

Energy transfer efficiency rather than productivity determines trophic cascades

2023· preprint· en· W4362664858 sur OpenAlexaff
Libin Zhou, Mingyu Luo, Pubin Hong, Shawn Leroux, Feizhou Chen, Shaopeng Wang

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueIsotope Analysis in Ecology
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésTrophic levelTrophic cascadeFood webMesocosmProductivityEcologyFood chainZooplanktonEcosystemEnvironmental scienceEcological efficiencyBiologyEconomics

Résumé

récupéré en direct d'OpenAlex

Trophic cascades are important determinants of food web dynamics and functioning, yet mechanisms explaining variations in trophic cascade strength remain elusive. Here we combine a mesocosm experiment (phytoplankton-zooplankton-shrimp) and theoretical models to disentangle the relative importance of two processes driving trophic cascade: primary productivity (productivity hypothesis) and energy transfer efficiency (energy transfer hypothesis). Our experimental systems showed consistently positive effects of trophic cascade across mesocosms with different nutrient inputs and zooplankton communities. Moreover, the strength of trophic cascade increased with the energy transfer efficiency between herbivores and predators, but did not change with the primary productivity. These findings are further corroborated by our analyses of food chain models in more general settings. Combined, our results support the energy transfer hypothesis but falsify the productivity hypothesis. Our study contributes an integrative perspective to reconcile energetic and population dynamics in food webs, which has useful implications for ecosystem management.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,019
Tête enseignante GPT0,239
Écart entre enseignants0,220 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIsotope Analysis in Ecology→Travaux en français237 207→