MétaCan
Menu
Retour à la cohorte
Enregistrement W2165660172 · doi:10.1139/f05-268

The influence of fall-spawning coho salmon (<i>Oncorhynchus kisutch</i>) on growth and production of juvenile coho salmon rearing in beaver ponds on the Copper River Delta, Alaska

2006· article· en· W2165660172 sur OpenAlexvenueno aff
Dirk W. Lang, Gordon H. Reeves, James D. Hall, Mark S. Wipfli

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and biodiversity studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOncorhynchusJuvenileFisheryBeaverDeltaBiologyFish <Actinopterygii>EcologyAnimal science

Résumé

récupéré en direct d'OpenAlex

This study examined the influence of fall-spawning coho salmon (Oncorhynchus kisutch) on the density, growth rate, body condition, and survival to outmigration of juvenile coho salmon on the Copper River Delta, Alaska, USA. During the fall of 1999 and 2000, fish rearing in beaver ponds that received spawning salmon were compared with fish from ponds that did not receive spawners and also with fish from ponds that were artificially enriched with salmon carcasses and eggs. The response to spawning salmon was variable. In some ponds, fall-spawning salmon increased growth rates and improved the condition of juvenile coho salmon. The enrichment with salmon carcasses and eggs significantly increased growth rates of fish in nonspawning ponds. However, there was little evidence that the short-term growth benefits observed in the fall led to greater overwinter growth or survival to outmigration when compared with fish from the nonspawning ponds. One potential reason for this result may be that nutrients from spawning salmon are widely distributed across the delta because of hydrologic connectivity and hyporheic flows. The relationship among spawning salmon, overwinter growth, and smolt production on the Copper River Delta does not appear to be limited entirely to a simple positive feedback loop.

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 enseignants0,040
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
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 Opus0,010
Tête enseignante GPT0,187
Écart entre enseignants0,177 · 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

Citations40
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetEcology and biodiversity studiesTravaux en français237 207