Temperature–growth patterns of individually tagged anadromous<scp>A</scp>rctic charr<i><scp>S</scp>alvelinus alpinus</i>in<scp>U</scp>ngava and<scp>L</scp>abrador,<scp>C</scp>anada
Notice bibliographique
Résumé
Abstract Individual measurements of annual, or within‐season growth were determined from tag‐recaptured A rctic charr and examined in relation to summer sea surface temperatures and within‐season capture timing in the U ngava and L abrador regions of Eastern C anada. Differences between two years of growth (2010–2011) were significant for U ngava B ay A rctic charr, with growth being higher in the warmer year. Growth of L abrador A rctic charr did not vary significantly among years (1982–1985). Regional comparisons demonstrated that U ngava A rctic charr had significantly higher annual growth rates and experienced warmer temperatures than L abrador A rctic charr. The higher annual growth of U ngava B ay A rctic charr was attributed to the high sea surface temperatures experienced in 2010–2011 and the localised differences in nearshore productivity as compared to L abrador. Within‐season growth rates of L abrador A rctic charr peaked in J une, declined towards A ugust and were negatively correlated with the length of time spent at sea and mean experienced sea surface temperatures. A quadratic model relating growth rate to temperature best explained the pattern of within‐season growth. Collectively, results suggest that increases in water temperature may have profound consequences for Arctic charr growth in the C anadian sub‐ A rctic, depending on the responses of local marine productivity to those same temperature increases.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».