Effects of atypical water-level fluctuations on macrophyte species composition, ecological structure, and identification of water-level Indicator Species for coastal wetlands
Notice bibliographique
Résumé
Unlike the historical 8-year period oscillations (octennia) of high and low water levels (WLs), Lakes Huron-Michigan recently experienced two octennia of sustained-low WLs (1999 to 2014), followed by an octennium of continuously high WLs. We used macrophyte presence data collected between 2003 and 2021 across 20 sub-regions in Georgian Bay to assess the long-term effects of this atypical pattern of WL fluctuations on the plant communities of 58 wetlands (119 wetland-years). There were significant differences in species composition between Period 1 (2003–2006; low WL) and Period 2 (2015–2021; high WL) (perMANOVA; R 2 = 0.057; p = 0.001), with a significant decrease in α-diversity (17.65 ± 0.72 vs 15.63 ± 0.53, respectively; Wilcoxon signed rank test; p = 0.012), but a significant increase in β-diversity (11.06 ± 0.28 vs 11.86 ± 0.30; Wilcoxon signed rank test; p = 0.002). Indicator Species Analysis identified 10 species that were strongly associated with low WLs and four species with high WLs. We classified these Indicator Species into nine Macrophyte Ecological Groups that reflected their functional roles in wetlands. Low WLs were dominated by nearshore emergent and rosette basal species, whereas unrooted submergent and floating species were more prevalent during high WLs. An unprecedented development of a dead tree zone during Period 2, attributable to these atypical WL fluctuations, potentially prevented nearshore species from colonizing. Such shifts in the wetland plant community will likely have pervasive and cascading effects on the wetland fish community that rely on certain plant species to provide habitat structure.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 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 ».