MétaCan
Menu
← Retour à la cohorte
Enregistrement W2066054478 · doi:10.1139/f08-106

Mechanisms underlying the increase in young-of-the-year Atlantic salmon (Salmo salar) density with habitat complexity

2008· article· en· W2066054478 sur OpenAlexaffvenue
Oscar Venter, James W. A. Grant, Michelle V. Noël, Jaewoo Kim

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésSalmoForagingHabitatJuvenileEcologyPredatorPredationFisheryBiologySalmonidaeFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

We tested three hypotheses used to explain the increase in young-of-the-year (YOY) Atlantic salmon ( Salmo salar ) density with habitat complexity: the territory-size, predator-refuge, and foraging-benefits hypotheses. We manipulated habitat complexity in three different treatments (boulder-removed, control, and boulder-added) at eight sites in Catamaran Brook and the Little Southwest Miramichi River, New Brunswick. The density of juvenile salmon was two times higher in the boulder-added treatment than in the other treatments. Our data were consistent with the territory-size hypothesis; visual isolation was highest and territory size was smallest in the boulder-added treatment, and salmon selected microhabitats to maximize their field of view. Our results showed partial support for the predator-refuge hypothesis; salmon in the boulder-added sites were closer to cover and showed a reduced reaction distance to a novel stimulus, but did not preferentially select microhabitats closer to cover. We found no direct support for the foraging-benefits hypothesis; however, there is indirect evidence that boulders may improve the growth potential of instream habitat. Our results suggest that YOY Atlantic salmon may be attracted to complex environments for the increased cover and that the decreased visibility of these sites causes a reduction in territory size, allowing a higher density of fish.

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 enseignants0,007
Score d'incertitude au seuil0,015

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 ouverte0,0000,000
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 Opus0,031
Tête enseignante GPT0,211
Écart entre enseignants0,180 · 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

Citations54
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetFish Ecology and Management Studies→Travaux en français237 207→