MétaCan
Menu
← Retour à la cohorte
Enregistrement W1797474399 · doi:10.1139/cjfas-2015-0101

Factors controlling the abundance of rainbow trout in the Colorado River in Grand Canyon in a reach utilized by endangered humpback chub

2015· article· en· W1797474399 sur OpenAlexvenueno aff
Josh Korman, Michael D. Yard, Charles B. Yackulic

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Geological Survey
Mots-clésRainbow troutCanyonBiological dispersalFisheryEndangered speciesTroutAbundance (ecology)PredationBrown troutPopulationBiologyEcologyEnvironmental scienceFish <Actinopterygii>GeographyHabitat

Résumé

récupéré en direct d'OpenAlex

We estimated the abundance, survival, movement, and recruitment of non-native rainbow trout (Oncorhynchus mykiss) in the Colorado River in Grand Canyon to determine what controls their abundance near the Little Colorado River (LCR) confluence where endangered humpback chub (Gila cypha) rear. Over a 3-year period, we tagged more than 70 000 trout and recovered over 8200 tagged fish. Trout density was highest (10 000–25 000 fish·km–1) in the reach closest to Glen Canyon Dam, where the majority of trout recruitment occurs, and was 30- to 50-fold lower (200–800 fish·km–1) in reaches near the LCR confluence ∼100 km downstream. The extent of rainbow trout movement was limited with less than 1% of recaptures making movements greater than 20 km. However, because of high trout densities in upstream source areas, this small dispersal rate was sufficient to explain the threefold increase in the relatively small population near the LCR. Reducing dispersal rates of trout from upstream sources is the most feasible solution to maintain low densities near the LCR to minimize negative effects of competition and predation on humpback chub.

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)0,001
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 enseignants0,350
Score d'incertitude au seuil0,696

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,037
Tête enseignante GPT0,229
Écart entre enseignants0,192 · 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

Citations34
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetFish Ecology and Management Studies→Travaux en français237 207→