The role of short‐term temperature variability and light in shaping the phenology and characteristics of seagrass beds
Notice bibliographique
Résumé
Abstract Seagrass beds inhabit highly heterogeneous temperature regimes that characterize the marine nearshore. Temperature directly influences seagrasses and also provides indirect information on other ecologically relevant environmental variables. Multiple temperature processes operate on seasonal and sub‐seasonal timescales (i.e., hours to months) and include variation from seasonal air–sea heat fluxes, advective heat transport from upwelling and tidal circulation, and daily heating and cooling of shallow waters. Despite this, seagrass–temperature studies typically only examine a single isolated temperature process, often seasonal heating/cooling or marine heatwaves. Furthermore, elucidation of relationships between different short‐term temperature processes and seagrass metrics could provide insights into biologically relevant temperature metrics for seagrasses. Here, we examine the effects of multiple short‐term temperature processes on Zostera marina beds in Atlantic Canada, by describing the seasonal phenology of bed characteristics, plant morphology, and physiology across different temperature regimes and by identifying relationships between different temperature and seagrass metrics. We also include water depth as a proxy for light availability. Four distinct short‐term temperature processes (median temperature, growing degree day [heat accumulation], daily temperature range, and time in the optimal temperature range [5–23°C]) were used to categorize temperature regimes across our study sites as warm and highly variable, or cool and less variable. We found that both temperature regime and light availability were important for leaf area index (LAI) and shoot density, which both decreased with increasing depth yet had the strongest seasonal differences and maximum rates of increase (shoot density) or lowest values and maximum rates of decrease (LAI) in warm and highly variable temperature regimes. These temperature regimes were also associated with seasonal patterns in number of leaves, reduced leaf lengths and number of leaves per shoot, and thinner rhizomes with less carbohydrate storage. Generalized additive models (GAMs) for each seagrass metric using the four temperature processes indicated that while median temperature displayed expected relationships with almost every seagrass metric, inclusion of other temperature processes revealed additional insights not evident from median temperature alone. Our study shows that different sources of short‐term temperature variation influence seagrass properties and that accounting for these will improve our understanding of the temperature–seagrass interaction.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».