MétaCan
Menu
Retour à la cohorte
Enregistrement W4404834758 · doi:10.1002/ecy.4482

Energy transfer efficiency rather than productivity determines the strength of aquatic trophic cascades

2024· article· en· W4404834758 sur OpenAlexaff
Libin Zhou, Mingyu Luo, Pubin Hong, Shawn Leroux, Feizhou Chen, Shaopeng Wang

Notice bibliographique

RevueEcology · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueIsotope Analysis in Ecology
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésTrophic levelMesocosmFood webTrophic cascadeFood chainEcologyProductivityEcological efficiencyPrimary producersEnvironmental scienceZooplanktonEcosystemBiologyPhytoplanktonNutrient

Résumé

récupéré en direct d'OpenAlex

Trophic cascades are important determinants of food web dynamics and functioning, yet mechanisms accounting for variation in trophic cascade strength remain elusive. Here, we used food chain models and a mesocosm experiment (phytoplankton-zooplankton-shrimp) to disentangle the relative importance of two energetic processes driving trophic cascades: primary productivity and energy transfer efficiency. Food chain models predicted that the strength of trophic cascades was increased as the energy transfer efficiency between herbivore and predator (predator efficiency) increased, while its relationship with primary productivity was relatively weak. These model predictions were confirmed by a mesocosm experiment, which showed that the strength of trophic cascade increased with predator efficiency but remained unaffected by nutrient supply rate or primary productivity. Combined, our results indicate that the efficiency of energy transfer along the food chain, rather than the total amount of energy fixed by primary producers, determines the strength of trophic cascades. Our study provides an integrative perspective to reconcile energetic and population dynamics in food webs, which has implications for both ecological research and ecosystem management.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,218
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcologyMême sujetIsotope Analysis in EcologyTravaux en français237 207