MétaCan
Menu
← Retour à la cohorte
Enregistrement W2020979093 · doi:10.1139/f10-130

An experimental examination of temperature interactions in the match–mismatch hypothesis for Pacific cod larvae

2011· article· en· W2020979093 sur OpenAlexvenueno aff
Benjamin J. Laurel, Thomas P. Hurst, Lorenzo Ciannelli

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesNorth Pacific Research Board
Mots-clésGadusPredationBiologyLarvaFisheryYolkAtlantic codSea surface temperatureAnimal scienceFish <Actinopterygii>ZoologyEcologyOceanography

Résumé

récupéré en direct d'OpenAlex

The match–mismatch hypothesis (MMH) predicts that marine fish larvae will have their highest rate of growth and survival when they overlap with their prey. However, Pacific cod ( Gadus macrocephalus ) and other gadids continue to thrive in the Bering Sea despite delayed prey production resulting from warming and loss of sea ice. In this study, we examined how temperature mediates growth and survival of Pacific cod larvae under varying match–mismatch conditions. Cod larvae were reared at two temperatures (3 °C and 8 °C) and exposed to one of five different food treatments over a 6-week period: (i) high food (HF) (match); (ii) low food (LF); (iii) HF then LF (HF–LF); and (iv) LF then HF (LF–HF) (2–4 mismatch); and (v) no food (NF) (complete mismatch). Results showed that cold environments allow Pacific cod larvae to bridge gaps in prey availability (i.e., timing and magnitude), but negatively impact survival over longer periods. Under warmer conditions, mismatches in prey significantly impacted growth and survival. However, both yolk reserves and compensatory growth mechanisms reduced the severity of mismatches occurring in the first 3 weeks of development. Our results demonstrate a clear need to incorporate the direct effects of temperature on fish larvae in food limitation models.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,050
Tête enseignante GPT0,259
Écart entre enseignants0,209 · 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

Citations44
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine and fisheries research→Travaux en français237 207→