Effects of sea cucumber fishing on tropical seagrass productivity
Notice bibliographique
Résumé
Abstract Fishing can drive major ecological change in coastal ecosystems and is typically examined through top‐down trophic impacts. However, the massive removal of biomass can also disrupt key ecological bottom‐up processes, though how these effects shape ecosystems is poorly understood. Here, we examined the ecological roles of two species of commercially exploited sea cucumbers thought to promote primary productivity in nutrient‐poor environments through nutrient provisioning and sediment processing. Using a large‐scale field experiment, we tested whether simulated sea cucumber fishing affected seagrass productivity in a natural system comprising reef and seagrass patches that varied in abundance of vertebrate nutrient providers (i.e., fishes). Our findings were scale‐ and metric‐specific: while we could not detect a change in patch‐level seagrass productivity in response to simulated sea cucumber fishing, individual leaf extension rates were ~15% lower at sites where all sea cucumbers were removed, relative to the highest density, unfished sites. Interestingly, there was no concomitant effect of nutrients from the more abundant reef‐associated fishes, which contribute far more nutrients overall than sea cucumbers. This suggests that sea cucumbers are likely mediating seagrass growth through mechanisms other than direct nutrient provisioning, perhaps through processes associated with sediment processing. Our study demonstrates the potential consequences of under‐regulated and unmonitored sea cucumber fishing on foundation species like seagrasses, while highlighting the importance of taking a community‐based approach to these types of field experiments.
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 | 0,000 | 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 | 0,001 |
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; 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 ».