MétaCan
Menu
Retour à la cohorte
Enregistrement W2106524286 · doi:10.1139/f05-210

The logic of skipped spawning in fish

2006· article· en· W2106524286 sur OpenAlexvenueno aff
Christian Jørgensen, Bruno Ernande, Øyvind Fiksen, Ulf Dieckmann

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGadusFishingGadidaeFisheryBiologyAtlantic codStock (firearms)Semelparity and iteroparityReproductive successReproductionEcologyFish <Actinopterygii>GeographyPopulationDemography

Résumé

récupéré en direct d'OpenAlex

That sexually mature fish skip reproduction, especially in response to poor condition, has been documented in many species. We present results from an energy-allocation life history model that shed light on the underlying logic of skipped spawning, based on the Northeast Arctic stock of Atlantic cod (Gadus morhua). The model predicts that skipped spawning is a regular phenomenon, with up to 30% of the sexually mature biomass skipping spawning. Spawning should be skipped if the expected future gain in reproductive output, discounted by survival, more than balances the expected reproductive success the current year. Skipped spawning was most common (i) among potential second-time spawners and (ii) early in life, (iii) when fishing mortality at the spawning grounds was high, (iv) when fishing mortality at the feeding grounds was low, (v) when natural mortality was low, and (vi) when the energetic and mortality costs associated with migration and spawning were high. Cod skipped spawning more often when food availability was both increased (opportunities for better growth) and decreased (too little energy for gonad development), and this pattern interacted with mortality rate. We conclude that skipped spawning may be more widespread than appreciated and highlight potential consequences for the understanding of stock–recruitment relationships.

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)0,001
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 enseignants0,274
Score d'incertitude au seuil0,954

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,019
Tête enseignante GPT0,226
Écart entre enseignants0,208 · 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

Citations282
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetMarine and fisheries researchTravaux en français237 207