MétaCan
Menu
Retour à la cohorte
Enregistrement W2089712999 · doi:10.1139/z09-004

Transportation of Pacific salmon carcasses from streams to riparian forests by bears

2009· article· en· W2089712999 sur OpenAlexvenueno aff
Thomas P. Quinn, Stephanie M. Carlson, Scott M. Gende, Harry B. Rich

Notice bibliographique

RevueCanadian Journal of Zoology · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOncorhynchusSTREAMSRiparian zonePredationFisheryBiologyEcosystemNutrientUrsusEcologyFish <Actinopterygii>HabitatPopulation

Résumé

récupéré en direct d'OpenAlex

Predation on Pacific salmon by bears (genus Ursus L., 1758) can be an important ecosystem process because the spatial distribution of carcasses largely determines whether marine-derived nutrients cycle through aquatic or terrestrial pathways. Direct observations on three streams in southeastern Alaska indicated that 49% of the pink ( Oncorhynchus gorbuscha (Walbaum, 1792)) and chum ( Oncorhynchus keta (Walbaum in Artedi, 1792)) salmon killed by bears were carried into the forest. The tendency of bears to transport carcasses was independent of the sex and species of salmon, but unspawned fish were more often transported than fish that had completed spawning. Data on tagged sockeye salmon ( Oncorhynchus nerka (Walbaum in Artedi, 1792)) in one southwestern Alaska stream indicated that 42.6% of the killed salmon were transported, and that higher percentages were transported in years when salmon densities were greater. At six other streams, on average, 68.1% of the sockeye salmon killed were apparently transported away from the stream into the forest. Combining the data from all sites, the proportion of carcasses transported increased with water depth at the site. These results emphasize the role that bears play in mediating the interactions between nutrients from salmon and the terrestrial and aquatic ecosystems, and the variation in carcass distribution among streams and among years.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,697
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

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 Opus0,006
Tête enseignante GPT0,195
Écart entre enseignants0,189 · 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 tête enseignante, 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

Citations95
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of ZoologyMême sujetFish Ecology and Management StudiesTravaux en français237 207