Inter‐river, ‐annual and ‐seasonal variability in fecundity of Atlantic salmon, <i>Salmo salar</i> L., in rivers in Newfoundland and Labrador, Canada
Notice bibliographique
Résumé
Abstract Fecundity is an integral component of the calculation of Atlantic salmon, Salmo salar L., egg depositions in rivers. Fecundity determinations can be time consuming and prohibitively expensive in terms of application on a broad scale. Consequently, where river specific and annual data are not available, default means are used in calculations in Newfoundland and Labrador. It is important therefore to know the extent of variability among rivers, years and seasons and the potential error involved in using default values. Annual fecundity data were available for one river in Labrador and nine rivers in Newfoundland. Fecundity was determined from ovaries collected in the recreational fishery in the summer for all 10 rivers. For three of these rivers, fecundity determined from summer sampling was compared with that obtained from sampling at time of spawning in autumn. There was significant variability in fecundity with length as a covariate among rivers, years and seasons. Mean number of eggs per female decreased between 8.3% and 29.0% from summer to autumn while mean number of eggs per cm decreased from 5.0% to 28.5%. Depending on the measure of relative fecundity used (no. of eggs kg −1 or no. of eggs cm −1 ), results of simulations showed that estimates of egg deposition incorporating defaults can deviate from those obtained by applying year‐specific and river‐specific values by 50–75%, without adjusting for the seasonal reduction in fecundity, and by 30–50% with an adjustment. A sensitivity analysis revealed that of three parameters used in the calculation of egg deposition (size, percent female and fecundity), fecundity was the most influential.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».