Which ecological factors influence the level of intraspecific diversity within post‐glacial fishes? A case study using <i>Coregonus</i> and <i>Salvelinus</i>
Notice bibliographique
Résumé
Abstract While it is likely that ecological context is important, the factors that facilitate and maintain variable levels of intraspecific diversity in Salmonidae fishes across environments remain unclear. Using a meta‐analysis of sympatric ecotype assemblages from two salmonid genera— Salvelinus and Coregonus —we evaluated the importance of ecological factors determining the number of sympatric ecotypes (i.e. 2–7) and the level of trait divergence between them. We found that ecotype diversity increased with lake depth and surface area in both Coregonus and Salvelinus . Further, diversity in Coregonus increased with latitude, while the number of ecotypes in Salvelinus assemblages was linked to climatic seasonality. In comparing the two genera, we found elevated divergence in traits related to ontogeny (i.e. age and body shape) in Salvelinus and gill raker count in Coregonus. Trait divergence in life history traits (i.e. age and body length) in Salvelinus increased with seasonality, whereas contrasting relationships of latitude to body length and gill rakers were found in Coregonus . We also found similar levels of divergence in trait variance in the two genera, suggesting that among‐ecotype differences in phenotypic variability are not more common in one genus than the other. Overall, ecosystem characteristics, including lake location, climate and morphometry, are clearly important for where these genera have diversified, but the variables that are most closely associated with intraspecific diversity differ between the two genera studied and depend on whether diversity is quantified using number of ecotypes or trait divergence.
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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».