MétaCan
Menu
← Retour à la cohorte
Enregistrement W2120335818 · doi:10.1139/f09-087

Effects of temperature change on demersal fishes in the California Current: a bioenergetics approach

2009· article· en· W2120335818 sur OpenAlexvenueno aff
Chris J. Harvey

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGroundfishRockfishSebastesTrophic levelDemersal fishDemersal zoneSqualus acanthiasBioenergeticsSpiny dogfishBiologyPredationFisheryRange (aeronautics)FishingEcologyFood webPiscivoreFisheries managementFish <Actinopterygii>Predator

Résumé

récupéré en direct d'OpenAlex

Diverse fish assemblages should feature a range of biological and ecological responses to temperature change. Using preliminary bioenergetics models, I simulated growth and maturation of three California Current groundfish (yelloweye rockfish ( Sebastes ruberrimus ), sablefish ( Anoplopoma fimbria ), and spiny dogfish ( Squalus acanthias )) at fixed temperatures ranging from 5 °C to 11 °C. I examined three response variables (size at age 1 (W1), age at 50% maturity (τ50%), and total prey consumption (C)). Yelloweye rockfish responded most strongly for W1, which increased 496% as temperature increased from 5 °C to 11 °C. Spiny dogfish τ50%was highly sensitive, declining from >48 years at 5 °C to <13 years at 11 °C. Age-specific C was most responsive in yelloweye rockfish, increasing by more than fivefold over the range of temperatures, although sablefish likely have greater community-wide impact because their trophic level and absolute feeding rates are higher. Regime shifts, temperature anomalies, or global climate change may directly affect fish energy budgets, elicit range shifts, or produce complex ecological interactions. Studies like this will help managers to identify temperature-sensitive species and anticipate potential changes in populations and diverse communities.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,137
Score d'incertitude au seuil0,273

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,024
Tête enseignante GPT0,236
Écart entre enseignants0,212 · 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

Citations27
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine and fisheries research→Travaux en français237 207→