MétaCan
Menu
Retour à la cohorte
Enregistrement W2045233131 · doi:10.1371/journal.pone.0087589

Bottom-Up Regulation of Capelin, a Keystone Forage Species

2014· article· en· W2045233131 sur OpenAlexafffundabout
Alejandro D. Buren, Mariano Koen‐Alonso, Pierre Pepin, Fran Mowbray, Brian S. Nakashima, Garry B. Stenson, Neil Ollerhead, William A. Montevecchi

Notice bibliographique

RevuePLoS ONE · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensMemorial University of NewfoundlandFisheries and Oceans Canada
Organismes subventionnairesFisheries and Oceans CanadaMemorial University of Newfoundland
Mots-clésCapelinEcosystemForage fishFood webTrophic levelPelagic zoneEcologyMarine ecosystemFisheryPopulationBiomass (ecology)Climate changeKeystone speciesProductivityBiologyEcosystem-based managementTrophic cascadePredation

Résumé

récupéré en direct d'OpenAlex

The Northwest Atlantic marine ecosystem off Newfoundland and Labrador, Canada, has been commercially exploited for centuries. Although periodic declines in various important commercial fish stocks have been observed in this ecosystem, the most drastic changes took place in the early 1990s when the ecosystem structure changed abruptly and has not returned to its previous configuration. In the Northwest Atlantic, food web dynamics are determined largely by capelin (Mallotus villosus), the focal forage species which links primary and secondary producers with the higher trophic levels. Notwithstanding the importance of capelin, the factors that influence its population dynamics have remained elusive. We found that a regime shift and ocean climate, acting via food availability, have discernible impacts on the regulation of this population. Capelin biomass and timing of spawning were well explained by a regime shift and seasonal sea ice dynamics, a key determinant of the pelagic spring bloom. Our findings are important for the development of ecosystem approaches to fisheries management and raise questions on the potential impacts of climate change on the structure and productivity of this marine ecosystem.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,105

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 ouverte0,0000,000
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 Opus0,034
Tête enseignante GPT0,218
Écart entre enseignants0,184 · 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

Citations133
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetMarine and fisheries researchTravaux en français237 207