Recruitment of burbot (<i>Lota lota</i> L.) in Lake Erie: an empirical modelling approach
Notice bibliographique
Résumé
Stapanian MA, Witzel LD, Cook A. Recruitment of burbot ( Lota lota L.) in Lake Erie: an empirical modelling approach. Ecology of Freshwater Fish 2010: 19: 326–337. Published 2010. This article is a US Government work and is in the public domain in the USA Abstract – World‐wide, many burbot Lota lota (L.) populations have been extirpated or are otherwise in need of conservation measures. By contrast, burbot made a dramatic recovery in Lake Erie during 1993–2001 but declined during 2002–2007, due in part to a sharp decrease in recruitment. We used Akaike’s Information Criterion to evaluate 129 linear regression models that included all combinations of one to seven ecological indices as predictors of burbot recruitment. Two models were substantially supported by the data: (i) the number of days in which water temperatures were within optimal ranges for burbot spawning and development combined with biomass of yearling and older (YAO) yellow perch Perca flavescens (Mitchill); and (ii) biomass of YAO yellow perch. Warmer winter water temperatures and increases in yellow perch biomass were associated with decreases in burbot recruitment. Continued warm winter water temperatures could result in declines in burbot recruitment, particularly in the southern part of the species’ range.
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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».