MétaCan
Menu
Retour à la cohorte
Enregistrement W1837262445 · doi:10.1139/cjfas-2013-0451

Drought-driven lake level decline: effects on coarse woody habitat and fishes

2014· article· en· W1837262445 sur OpenAlexvenueno aff
Jereme W. Gaeta, Greg G. Sass, Stephen R. Carpenter

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Geological Survey
Mots-clésLittoral zonePiscivorePerchMicropterusHabitatEcologyForage fishLake ecosystemLimnetic zonePredationEnvironmental scienceWater levelFisheryGeographyBiologyBass (fish)Fish <Actinopterygii>Predator

Résumé

récupéré en direct d'OpenAlex

Research testing for the effects of climate change on lentic fishes has focused on changing thermal and dissolved oxygen regimes, but has often overlooked potential influences of altered lake levels on littoral habitat availability and species interactions. Natural littoral structures such as coarse woody habitat (CWH) can be critical to fishes for prey production, refuge, and spawning. Drought-driven lake level declines may strand these structures above the waterline and thereby remove them from littoral zones. A prolonged drought in northern Wisconsin, USA, allowed us to test for effects of lake level decline on CWH and the response of a fish community. During our study (2001–2009), the lake level of Little Rock Lake South declined over 1.1 m and >75% of the previously submerged CWH was lost from the littoral zone. The loss of CWH coincided with the forage fish species (yellow perch, Perca flavescens) falling below detection and reduced growth of the top piscivore (largemouth bass, Micropterus salmoides). Our study highlights the importance of lake level fluctuations as a mechanism by which climate change may affect aquatic ecosystems and species interactions.

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 enseignants0,973
Score d'incertitude au seuil0,054

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,016
Tête enseignante GPT0,211
Écart entre enseignants0,195 · 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

Citations98
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetFish Ecology and Management StudiesTravaux en français237 207