MétaCan
Menu
Retour à la cohorte

Natural Disturbances and Fish: Local and Regional Influences on Winterkill of Fathead Minnows in Boreal Lakes

2003· article· en· W2098305698 sur OpenAlexafffundabout
Andy J. Danylchuk, William M. Tonn

Notice bibliographique

RevueTransactions of the American Fisheries Society · 2003
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesAlberta-Pacific Forest Industries
Mots-clésMinnowPimephales promelasBorealBiologyEcologyTaigaPopulationFish <Actinopterygii>FisheryDemography

Résumé

récupéré en direct d'OpenAlex

We investigated the population dynamics of fathead minnow Pimephales promelas and the environmental factors of four small lakes in the boreal forest of Alberta, Canada, for 5 years to determine the influence of local and regional factors on the development of hypoxia and the occurrence of fish winterkill. Fathead minnow densities varied considerably among lakes and years, with dramatic (47–94%) year-to-year declines occurring when dissolved oxygen levels were extremely low in the intervening winter. Large declines (presumed winterkills) occurred after 25% of the “lake-winters,” affecting three of four study lakes and 2 of 5 years. A fifth population in the same region, monitored for 15 years, displayed both a comparable frequency and temporal synchrony of large density decreases, suggesting that winterkill is a pervasive natural disturbance in small lakes of the Boreal Plains. In contrast to patterns displayed by larger fish species, smaller individuals in the fathead minnow populations were more strongly affected than larger individuals. Oxygen levels in a given lake and winter were related to (1) the collective interactions of productivity and depth of the lake, (2) the local and regional hydrogeology, and (3) the current and antecedent climate. As a result, the relative effects of these local and regional factors strongly influence the natural dynamics of fathead minnow populations in these lakes. Given that humans can alter many of the important factors, the natural incidence of winterkill could be augmented if human activities are poorly managed.

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 enseignants0,109
Score d'incertitude au seuil0,217

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,008
Tête enseignante GPT0,211
Écart entre enseignants0,203 · 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

Citations62
Publié2003
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTransactions of the American Fisheries SocietyMême sujetFish Ecology and Management StudiesTravaux en français237 207