MétaCan
Menu
Retour à la cohorte
Enregistrement W7081919766 · doi:10.1111/maec.70030

Drivers of Coral and Sponge Community Composition and Size Structure Revealed With Cumulative Abundance Profiles

2025· article· en· W7081919766 sur OpenAlexafffundabout

Notice bibliographique

RevueMarine Ecology · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensMemorial University of NewfoundlandFisheries and Oceans CanadaBedford Institute of Oceanography
Organismes subventionnairesHorizon 2020 Framework ProgrammeUniversity of North Carolina WilmingtonEuropean CommissionArcticNetSchool of Nursing, University of North Carolina WilmingtonKoninklijk Nederlands Instituut voor Onderzoek der ZeeAarhus Universitet
Mots-clésCoralAbundance (ecology)EcosystemCommunity structureMarine protected areaRelative species abundanceBiodiversityHabitatSpatial distributionCoral reef

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Deep‐sea corals and sponges form ecologically significant habitats that support biodiversity hotspots and contribute to important ecosystem functions such as carbon and nutrient cycling as well as benthic‐pelagic coupling. However, quantifying their contributions to ecosystem functioning requires examination not only of the fine spatial distribution of community composition but also community size structure, because larger individuals are expected to contribute more to ecosystem functions than smaller ones. Here we create novel cumulative abundance profiles (CAPs) by combining body size structure with species abundance data to identify ecological drivers of sponge and coral community composition and size structure. Data were collected from 226 drop camera images captured near Saglek Bank, on the northern Labrador shelf and upper slope in the northwest Atlantic. The density of four coral and 17 sponge morphospecies were recorded from each image. The surface area covered by coral and sponge specimens was measured (1458 measurements in total) and converted to size estimates using data from live specimens collected with a rock dredge. Cumulative abundance profiles were then constructed and combined with cluster analysis to identify distinct community assemblages. In addition, distance‐based redundancy analysis was used to identify environmental drivers influencing cluster community composition and/or size structure. Finally, organic carbon turnover was calculated for each cluster using published respiration data. Three assemblages were identified with differing composition and size structures. One of these was characterized by large coral and sponge morphospecies and individuals. The spatial distribution of this cluster was controlled by interactions between substrate type, terrain position index (TPI) and orientation of the slope (eastness). When analysing composition or size structure separately, dissolved oxygen and current speed respectively were also identified as key parameters. This finding indicates that substrate type and TPI influence the presence of coral and sponges in the study area, while dissolved oxygen may constrain which morphospecies are present and bottom currents restrict the size of individuals. As predicted, high levels of carbon turnover were driven by large sponge and coral individuals, likely maintained in part by the sponge loop in which sponges recycle dissolved organic matter into particulate organic matter. This study gives the first demonstration of how CAPs can be used to analyse spatial variation in deep‐sea benthic community composition and size structure and appropriately quantify contribution to ecosystem functions such as carbon turnover.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,006
Tête enseignante GPT0,216
Écart entre enseignants0,210 · 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

Citations1
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMarine EcologyMême sujetGeochemistry and Geologic MappingTravaux en français237 207