کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10223911 1701064 2018 35 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Multilevel assessments reveal spatially scaled landscape patterns driving coastal fish assemblages
ترجمه فارسی عنوان
ارزیابی های چندسطحی نشان می دهد الگوهای منظره فضایی پوسته پوسته شده که در حال جمع آوری ماهی های ساحلی هستند
ترجمه چکیده
تحقیقات اکولوژیک، به ویژه در محیط های دریایی، تمایل به تمرکز در زیستگاه های مجزا و اغلب مقیاس های یکپارچه را دارند و بنابراین برای فرآیندهای زیست محیطی که در مقیاس های فضایی چندگانه عمل می کنند، توجه نمی کنند. در اینجا ما قصد داریم بررسی کنیم که چگونه مجموعه های ساحلی ماهی تحت تأثیر الگوهای چشم انداز قرار می گیرند و مقیاس های مکانی چندگانه را به اثبات می رسانند، برای ارزیابی قدرت این انجمن ها و شناسایی مقیاس های فضایی مناسب که این انجمن ها رخ می دهد. ما از طریق یک مدل چندسطحی برای ارزیابی ارتباط معیارهای چشم انداز با مجموعه های ماهی، در سه مقیاس فضایی نهفته در دریاهای ساحلی معتدل تشکیل شده از مراتع سواحل دریایی، دشت های شنی و صخره های سنگی استفاده می کنیم. معیارهای ترکیب منظر، به صورت پوشش گیاهان زیست محیطی، به طور قابل توجهی بر مجموعه های ماهی در مقیاس های کوچک (متر) و متوسط ​​(صدها متر) تأثیر می گذارد، در حالیکه شاخص های پیکربندی چشم انداز در هر سه مقیاس (از متر به کیلومتر) ارزیابی می شد. غنای گونه تنها تحت تاثیر الگوهای منظره کوچک قرار گرفت (پوشش صخره های صخره ای، ارتباط مثبت)، در حالی که فراوانی کل با الگوهای چشم انداز اندازه گیری شده در مقیاس های کوچک و متوسط ​​شامل معیارهای مرتبط با ترکیب منظر (پوشش صخره های صخره ای، ارتباط مثبت) و آنهایی که ناهمگونی چشم انداز (ارتباط منفی) را نشان می دهند. به طور مشابه، فراوانی گروه های عملکردی مختلف تحت تأثیر معیارهای سازگاری با تحرک و ویژگی های اکولوژیکی و رفتاری آنها در تمامی مقیاس های فضایی قرار گرفت. این نتایج نشان می دهد که چگونه الگوهای منظری بر مجموعه های ماهی های ساحلی تاثیر می گذارند و به ویژه نشان می دهند که الگوهای منظر منظره مقیاس پذیر، که در سیستم های اکولوژیک پیچیده به طور کلی اندازه گیری می شوند، به صورت همزمان، اما نه همیشه به طور مساوی در مجموعه های گونه عمل می کنند.
موضوعات مرتبط
مهندسی و علوم پایه علوم زمین و سیارات اقیانوس شناسی
چکیده انگلیسی
Ecological research, particularly in marine environments, tends to focus on single habitats and often single spatial scales, and thus not account for ecological processes operating at multiple spatial scales. Here we aim to explore how coastal fish assemblages are influenced by landscape patterns integrating multiple spatial scales, to assess the strength of these associations and to identify the most relevant spatial scales at which these associations occur. We use a multiscale approach through multilevel modelling to evaluate the association of landscape metrics with fish assemblages, at three nested spatial scales, in temperate coastal seascapes composed of seagrass meadows, sandy bottoms and rocky reefs. Landscape composition metrics, expressed as cover of vegetated habitats, significantly influenced fish assemblages at small (metres) and intermediate (hundred of metres) scales, while landscape configuration metrics did it at all three scales assessed (from metres to kilometres). Species richness was only influenced by small scale landscape patterns (cover of rocky reefs, positive association), whereas total abundance was associated with landscape patterns measured at small and intermediate scales, encompassing metrics associated with landscape composition (rocky reef cover, positive association), and those indicating landscape heterogeneity (negative association). Similarly, the abundances of different functional groups were influenced by metrics consistent with their mobility and their ecological and behavioural traits at all the spatial scales assessed. These results show how landscape patterns influence coastal fish assemblages, and particularly show that spatially scaled landscape patterns, measured in complex ecological systems as a whole, act simultaneously but not always equally on species assemblages.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Marine Environmental Research - Volume 140, September 2018, Pages 210-220
نویسندگان
, , , ,