MétaCan
Menu
Retour à la cohorte
Enregistrement W2142926429 · doi:10.1139/f01-045

Isotopic turnover in aquatic predators: quantifying the exploitation of migratory prey

2001· article· en· W2142926429 sur OpenAlexvenueno aff
Stephen E. MacAvoy, Stephen A. Macko, Greg C. Garman

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueIsotope Analysis in Ecology
Établissements canadiensnon disponible
Organismes subventionnairesVirginia Commonwealth University
Mots-clésIctalurusAlosaFish migrationAlewifeBiologyCatfishPredationFisheryHerringEcologyFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

In the tidal freshwaters of Virginia, U.S.A., the blue catfish (Ictalurus furcatus), an introduced piscivore, derives a significant proportion of its nutrition from spawning anadromous fish (genus Alosa, including blueback herring (A. aestivalis), American shad (A. sapidissima), and alewife (A. pseudoharengus)). Because the Alosa are not continually available to I. furcatus, there is an isotopic turnover, defined as change in isotope composition due to growth and metabolic tissue replacement, in I. furcatus tissues associated with the diet switch from freshwater to anadromous fishes. However, isotopic turnover rates for ictalurid fish are unknown. This study determined the maximum isotopic turnover rate of channel catfish (Ictalurus punctatus) tissues and compared this maximum rate with that of I. furcatus captured in the field over the 3-month Alosa spawning run. Maximum turnover rates for δ 13 C were 0.014 and 0.017‰ per day in muscle and blood. For δ 34 S, rates were 0.017 and 0.020‰ per day in muscle and blood, respectively. Isotopic turnover of muscle carbon reflected growth rate, but sulfur did not match growth as well. Ictalurus furcatus captured in the field showed no enrichment during the Alosa spawning run owing to slow turnover and variable diet. In aquatic ecosystems that have migrating prey, exploitation by predators may be underestimated using isotopes because of slow tissue turnover.

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 enseignants0,329
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,029
Tête enseignante GPT0,241
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 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

Citations188
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetIsotope Analysis in EcologyTravaux en français237 207