MétaCan
Menu
← Retour à la cohorte
Enregistrement W1969351735 · doi:10.1139/f04-208

Temporal synchrony and variation in abundance of Atlantic salmon (<i>Salmo salar</i>) in two subarctic Barents Sea rivers: influence of oceanic conditions

2004· article· en· W1969351735 sur OpenAlexvenueno aff
Eero Niemelä, Jaakko Erkinaro, J. Brian Dempson, Markku Julkunen, А. В. Зубченко, Sergei Prusov, Martin‐A. Svenning, Randi B. Ingvaldsen, Marianne Holm, Esa Hassinen

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSalmoSubarctic climateFisheryAbundance (ecology)North Atlantic oscillationOceanographyPacific decadal oscillationEnvironmental scienceSmoltificationSalmonidaeSea surface temperatureBiologyFish <Actinopterygii>Geology

Résumé

récupéré en direct d'OpenAlex

Long-term variation in Atlantic salmon (Salmo salar) stocks was analyzed in two Barents Sea rivers, the Teno and Näätämöjoki, that represent the northernmost distribution area of the species. In contrast to most of the North Atlantic area, these rivers are among a group of northern salmon rivers that, despite wide annual variation in catches, demonstrate no consistent trend for declining abundance. Variations in abundance were generally synchronous for the total catch and numbers of 1-sea-winter (1SW) and 2SW salmon during period of 1972–2003. Part of the variation observed in catches could be related to ocean climate conditions as the mean seawater temperature in July during the year of smoltification for the Kola section of the Barents Sea was significantly related to numbers of 1SW, 2SW, and 3SW salmon in the large River Teno. In contrast, NAO (North Atlantic Oscillation) indices were not related to salmon catches. The latest increase (1999–2001) in salmon catches in these rivers reflects both temporarily improved oceanic conditions and past management measures affecting offshore, coastal, and river fisheries.

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 enseignants0,041
Score d'incertitude au seuil0,081

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 technologies0,0000,000
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 Opus0,009
Tête enseignante GPT0,219
Écart entre enseignants0,210 · 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
Publié2004
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→