MétaCan
Menu
Retour à la cohorte
Enregistrement W1528213828 · doi:10.1080/14634988.2012.738997

An integrated approach to identifying ecosystem recovery targets: Application to the Bay of Quinte

2012· article· en· W1528213828 sur OpenAlexafffund
E. Agnes Blukacz‐Richards, Marten A. Koops

Notice bibliographique

RevueAquatic Ecosystem Health & Management · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine Bivalve and Aquaculture Studies
Établissements canadiensEnvironment and Climate Change CanadaFisheries and Oceans Canada
Organismes subventionnairesFisheries and Oceans CanadaMinistry of Natural Resources
Mots-clésDreissenaPhytoplanktonEnvironmental scienceBenthic zoneTrophic levelBiomass (ecology)BiomanipulationBayZooplanktonEcosystemFisheryFood webTrophic cascadePopulationEcologyOceanographyBiologyNutrientBivalvia

Résumé

récupéré en direct d'OpenAlex

In 1985, the International Joint Commission identified the Bay of Quinte as an Area of Concern due to its degraded ecosystem. A Remediation Action Plan was established with delisting targets including the goals of decreasing phosphorous loading and restoring the upper (fish and wildlife) and lower (phytoplankton, zooplankton, and benthic invertebrates) trophic levels. We examined the consistency among seven Remedial Action Plan targets using Ecopath, a mass-balance model, for the upper Bay of Quinte for the post Zebra Mussel (Dreissena polymorpha) invasion period (1995–2002). We quantified the trophic consequences of bottom-up-control by gradually reducing the phytoplankton biomass until the Ecopath model became unbalanced (27% reduction). Replicate (n = 25) mass-balance solutions consistently showed that reductions in Zebra Mussel biomass were necessary to achieve mass-balance. This bottom-up control met the nutrient (total phosphorus), fish, benthic invertebrates, and phytoplankton population RAP targets. Based on these consistent results, it is recommended that future modelling efforts examine the effects of further phytoplankton biomass reductions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,813
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,002

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 Opus0,019
Tête enseignante GPT0,279
Écart entre enseignants0,260 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations11
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAquatic Ecosystem Health & ManagementMême sujetMarine Bivalve and Aquaculture StudiesTravaux en français237 207