Growth rates of rainbow smelt in Lake Champlain: effects of density and diet
Notice bibliographique
Résumé
Stritzel Thomson JL, Parrish DL, Parker‐Stetter SL, Rudstam LG, Sullivan PJ. Growth rates of rainbow smelt in Lake Champlain: effects of density and diet. Ecology of Freshwater Fish 2010. © 2010 John Wiley & Sons A/S Abstract – We estimated the densities of rainbow smelt ( Osmerus mordax ) using hydroacoustics and obtained specimens for diet analysis and groundtruthed acoustics data from mid‐water trawl sampling in four areas of Lake Champlain, USA–Canada. Densities of rainbow smelt cohorts alternated during the 2‐year study; age‐0 rainbow smelt were very abundant in 2001 (up to 6 fish per m 2 ) and age‐1 and older were abundant (up to 1.2 fish per m 2 ) in 2002. Growth rates and densities varied among areas and years. We used model selection on eight area–year‐specific variables to investigate biologically plausible predictors of rainbow smelt growth rates. The best supported model of growth rates of age‐0 smelt indicated a negative relationship with age‐0 density, likely associated with intraspecific competition for zooplankton. The next best‐fit model had age‐1 density as a predictor of age‐0 growth. The best supported models ( N = 4) of growth rates of age‐1 fish indicated a positive relationship with availability of age‐0 smelt and resulting levels of cannibalism. Other plausible models were contained variants of these parameters. Cannibalistic rainbow smelt consumed younger conspecifics that were up to 53% of their length. Prediction of population dynamics for rainbow smelt requires an understanding of the relationship between density and growth as age‐0 fish outgrow their main predators (adult smelt) by autumn in years with fast growth rates, but not in years with slow growth rates.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».