Modelling effects of nutrients and hypoxia on Lake Erie's central basin foodweb
Notice bibliographique
Résumé
Abstract Hypoxia (dissolved oxygen <2 mg l-1) has long been a prevalent feature of the central basin of Lake Erie. Studies of the sublethal impacts of hypoxia on fishes have focused on individual species feeding rates, behavior and spatial distributions over short time periods, but the long-term effects on the fish community and its foodweb are poorly known. Sublethal effects of hypoxia on fish include: interrupting their vertical migration, displacing them from bottom habitats either up into the water column or away from the hypoxic zones, altering predator-prey relationships by segregation or aggregation of predators and their prey, and increasing fishing mortality by concentrating fish at the edge of hypoxic zones. We used the Ecopath with Ecosim foodweb model to investigate the singular and combined effects of nutrient concentration and hypoxia on the foodweb structure in Lake Erie's central basin. Our model tracked predator-prey interactions and population biomass of 33 model groups. We balanced the model in Ecopath and calibrated it against biomass time series data from 1996 up to 2020. Model simulations were run with varied nutrients (from 20 to 220% of the previous nutrient loading target level) and hypoxia (none, average summer value from 1996 to 2017, historical high) as forcing variables on the foodweb. Model results suggested that nutrients had positive, non-linear effects on foodweb biomass, while hypoxia decreased biomass of benthos, benthivorous fishes, and some omnivores, but increased biomass of plankton and planktivorous fishes. Nutrient effects were greater than hypoxia effects on the foodweb. Results of the foodweb model analysis may inform water quality and fisheries management strategies for Lake Erie's central basin.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».