MétaCan
Menu
Retour à la cohorte
Enregistrement W4415653677 · doi:10.3354/meps15033

Deep-sea benthic biodiversity and ecosystem functioning in cerianthid fields and adjacent sediments of a subarctic fjord

2025· article· en· W4415653677 sur OpenAlexaboutno aff
Stephan Hamisch, Bárbara de Moura Neves, Haley D. Geizer, Christopher K. Algar, Paul V. R. Snelgrove

Notice bibliographique

RevueMarine Ecology Progress Series · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine Biology and Ecology Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSubarctic climateFjordBenthic zoneEcosystemBiodiversitySedimentAbundance (ecology)Ecosystem servicesMarine ecosystem

Résumé

récupéré en direct d'OpenAlex

Epibenthic megafaunal species may serve as ecosystem engineers by creating novel niches for associated fauna. Here we consider cerianthid (tube anemone, Ceriantharia) fields, a common but understudied feature of North Atlantic shelf and deep-sea ecosystems, and their effect on macrofaunal community ecology and ecosystem functioning. Based on remotely operated vehicle push-core sampling of sediments in Hebron Fjord (northern Labrador, Canada) and complementary shipboard incubations, we found that cerianthid fields influence macroinfaunal communities and shift ecosystem functioning. Specifically, increased macrofaunal density and differences in community composition and biodiversity through sediment layers inside cerianthid fields contrasted adjacent sites, along with shifts in nutrient fluxes. Greater degradation of organic matter inside cerianthid fields enhanced silicate efflux. We attribute differences in abundance patterns to predation pressure from cerianthids and altered hydrodynamics inside cerianthid fields that might enhance pelago-benthic coupling, supporting greater densities of deposit-feeding and opportunistic polychaetes.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil0,163

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,217
Écart entre enseignants0,208 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMarine Ecology Progress SeriesMême sujetMarine Biology and Ecology ResearchTravaux en français237 207