MétaCan
Menu
← Retour à la cohorte
Enregistrement W1979843288 · doi:10.1139/cjfas-2013-0292

Novel environmental conditions alter subsidy and engineering effects by introduced Pacific salmon

2013· article· en· W1979843288 sur OpenAlexvenueno aff
David J. Janetski, Dominic T. Chaloner, Ashley H. Moerke, Peter Levi, Gary A. Lamberti

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSTREAMSBenthic zoneBiomass (ecology)OncorhynchusEnvironmental scienceEcologyHabitatContext (archaeology)Range (aeronautics)FisheryNutrientIntroduced speciesAbundance (ecology)SedimentBiologyFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

We demonstrate that the major ecological functions of Pacific salmon (Oncorhynchus spp.) can be altered or re-ordered in non-native habitats where environmental conditions differ from native ranges. We compared subsidy and engineering effects of spawning Pacific salmon in six streams within their introduced range (Laurentian Great Lakes) with responses reported in their native range (northern Pacific Rim). Streamwater nutrient responses (i.e., subsidy effects) in Great Lakes streams were generally weak compared with those reported in native streams, whereas disturbance (i.e., engineering effects) was often strong where salmon were abundant. We attribute the relatively weak nutrient response to high background nutrient concentrations and low salmon biomass. In contrast, in Great Lakes streams with high salmon biomass, sediment routing was intense and pervasive and, consequently, benthic biofilm and macroinvertebrate abundance often declined by over 90% during the salmon run. These strong disturbance effects were likely facilitated by the small sediments that typified the Great Lakes streams. Our study provides evidence that salmon effects are context-dependent at much broader spatial scales than has been reported previously.

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)0,000
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 enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,001
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 Opus0,004
Tête enseignante GPT0,164
Écart entre enseignants0,159 · 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

Citations16
Publié2013
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→