The marine temperature and depth preferences of Arctic charr (<i>Salvelinus alpinus</i>) and sea trout (<i>Salmo trutta</i>), as recorded by data storage tags
Notice bibliographique
Résumé
Abstract Eleven Arctic charr ( Salvelinus alpinus ) (370–512 mm) and eight sea trout ( Salmo trutta ) (370–585 mm in length) were tagged externally or internally with depth‐ and temperature‐measuring data‐storage tags (DST) before they were released into the sea in the Alta Fjord in north Norway in June 2002. All sea trout were recaptured after they spent 1–40 days at sea, while all Arctic charr were recaptured after 0.5–33 days at sea. On average, trout preferred water about 0.6 m deeper and 1.3°C warmer than Arctic charr. Arctic charr spent >50% of their time between 0 and 1 m depth, while trout spent >50% of their time between 1 and 2 m depth. Both species spent >90% of their time in water no deeper than 3 m from the water surface. However, sea trout dove more frequently and to greater depths (max. 28 m) than Arctic charr (max. 16 m), and these deep dives were most frequently performed at the end of the sea migration. Arctic charr demonstrated a diel diving pattern, staying on average about 0.5 m deeper between 08:00 hours and about 15:00 hours than during the rest of the 24 h, even though there was continuous daylight during the experiments. When comparing data obtained from the DSTs with temperature measurements within the fjord system, the two species were observed to select different feeding areas during their sea migration, the sea trout choosing the inner and warmer parts of the fjord, in contrast to the Arctic charr that preferred the outer, colder parts of the fjord. The observed differences in migration behaviour between the two species are discussed in relation to species preferences for prey and habitat selection, and their optimal temperatures for growth.
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 | 0,001 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».