Influence of lake volume on trophic position, carbon use, and resource partitioning in fish across a narrow range of ecosystem size
Notice bibliographique
Résumé
Lake size is an important factor governing seasonal variation in limnological phenomena, origin of nutrient sources, species interactions, cross-habitat linkages, and trophic pathways, all having complex influences on food web structure and function. Lake size effects are most clearly demonstrated across very wide gradients in surface area or volume. This approach incorporates several complicating and collinear elements such as changing fish assemblages and species richness, and therefore, incorporates additional but unaccounted shifts in food web structure and function. A comparison across a finer lake size gradient where fish assemblages and species richness change little or not at all is needed in order to understand the direct influence of lake size. Here, we quantified spring (May) and summer (August) food web metrics (trophic position, littoral carbon use, and resource partitioning) in six fish species across six lakes (volume = 8.7 x106 m3 to 814.5x106 m3) located in Algonquin Provincial Park (Ontario, Canada) using carbon (d13C), nitrogen (d15N), and sulfur stable isotopes (d34S) . Lake volume was the most important factor describing trophic position and littoral carbon use for all species across all six lakes, except cisco (Coregonus artedi) d34S. Relationships between food web metrics and lake size were not as strong as previous studies that looked at a wider range of lake sizes, and trophic position and littoral carbon use exhibited negative and positive relationships with lake size, respectively, contradictory to previous studies. Even though lake size was still the best predictor of feeding in these species, other lake characteristics, including amount of habitat (littoral:limnetic volume ratio) and nutrients (total phosphorus), were also significant; therefore, comparisons of similar sized lakes should use established relationships for a wider range of lake size with caution.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,000 | 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 | 0,000 |
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 source (Gemma direct ou Codex distillé), 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 ».