Evaluation of effective shore level as a method of characterizing intertidal wave exposure regimes
Notice bibliographique
Résumé
Wave splash modifies the duration and timing of aerial exposure of intertidal organisms, influencing patterns of vertical zonation, thermal stress, and the consequences of climate change. Harley and Helmuth (Limnol. Oceanogr. 48:1498‐1508, 2003) described a method for measuring effective shore level (ESL), a metric that combines the influence of wave splash and tidal regime on patterns of emersion and immersion. They identified immersion events as sharp drops in temperature recorded by submersible dataloggers and compared the tide height at the time of the temperature drop to the wave height recorded by an offshore buoy. Here we explore the generality of this method at 10 sites along the Pacific coast of North America spanning 14° of latitude. We deployed miniature temperature loggers at fixed intertidal heights at each site and recorded temperatures at intervals of 5 to 15 min for periods of up to 5 years. We use these data to explore the effects of different approaches to calculating temperature drops and wave heights, as well as variation in the buoy location, on ESL calculations. We present a software program (SiteParser) that can be used to identify temperature drops in a datalogger time series and also calculate daily and monthly summary statistics of temperature. We show that ESL parameters provide a useful metric for comparing the effects of wave action on immersion patterns within sites. We also introduce a metric of average wave run‐up that can be used to compare the effect of wave action on immersion patterns among more distant locations.
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 | 0,003 | 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 | 0,000 |
| 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) | 0,000 | 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 ».