Environmental drivers alter PUFA content in littoral macroinvertebrate assemblages via changes in richness and abundance
Notice bibliographique
Résumé
Shallow littoral areas in lakes are productive and highly diverse ecotonal zones, providing habitats for both invertebrate and vertebrate species. We developed a Bayesian modeling framework to elucidate the relationships between environmental drivers (lake typology, habitat, water chemistry, and latitude) and taxon richness, abundance, as well as the content of polyunsaturated fatty acids (PUFAs) in littoral macroinvertebrate communities in 95 boreal lakes. PUFAs, particularly arachidonic acid (ARA), eicosapentaenoic acid (EPA), and docosahexaenoic acid (DHA), are critical micronutrients to maintain normal physiological functions in consumers. Lake typology was a significant predictor for PUFA content in the invertebrate assemblages, which was connected to taxon richness and/or abundance. Benthic communities in large humus-poor or nutrient-rich lakes displayed higher abundance, taxon richness, and more PUFA-rich taxa, whereas those in medium- and large-sized humic (color 30-90 mg Pt/L) and humus-rich lakes (color >90 mg Pt/L) were characterized by decreased abundance and subsequently low PUFA content. The abundance, taxon richness, and nutritional quality of the communities were also strongly related to latitude. Lakes with lower pH were characterized by lower benthic invertebrate diversity and low frequency of taxa with high somatic EPA and DHA content. The complexity of littoral habitats dominated by various macrophyte assemblages creates an environment that favors higher benthic abundance and increased presence of taxonomic groups with high PUFA content. Nutritional quality of benthic invertebrates for upper trophic levels can be modulated by a complex interplay between external stressors and abiotic factors that typically shape the structure of littoral benthic communities. Supplementary Information: The online version contains supplementary material available at 10.1007/s00027-023-00996-2.
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 | 0,001 |
| 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 ».