MétaCan
Menu
Retour à la cohorte
Enregistrement W2166838829 · doi:10.1080/02755947.2012.741556

Multicompartment Gravel Bed Flume to Evaluate Swim-Up Success of Salmonid Larvae

2013· article· en· W2166838829 sur OpenAlexafffund
Nicole L. Pilgrim, R. Royer, L. Ripley, Jim N. Underwood, J. B. Rasmussen, Alice Hontela

Notice bibliographique

RevueNorth American Journal of Fisheries Management · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensMount Allison UniversityUniversity of Lethbridge
Organismes subventionnairesAlberta Conservation Association
Mots-clésFlumeRainbow troutOncorhynchusSiltationTroutEnvironmental scienceFisheryHatcheryHydrology (agriculture)EcologyBiologyFish <Actinopterygii>Flow (mathematics)GeologyGeotechnical engineeringSediment

Résumé

récupéré en direct d'OpenAlex

Abstract Swim-up success, the proportion of fry emerging from a gravel redd, is difficult to quantify in the field, and currently available laboratory systems are limited. We used custom-built gravel bed flumes to assess the swim-up success of Rainbow Trout Oncorhynchus mykiss, Brook Trout Salvelinus fontinalis, and Cutthroat Trout Oncorhynchus clarkii. Flumes were built with compartments to separate individual egg batches, eggs were buried under gravel, and oxygenated water was supplied to simulate upwelling through the gravel. Temperature, dissolved oxygen, pH, and flow were constant between compartments and flumes operating in parallel. Swim-up success was scored both by the emergence of fry relative to the number of eggs placed in the flume (59–85% depending on species) and the hatching success (proportion of eggs that hatch and resorb their yolk sac) of a sample from the same clutch reared in a vertical incubator (62–84% depending on species). The gravel bed flumes could be used to estimate the swim-up success of salmonid egg clutches from hatchery stocks or fish from the wild or under experimental regimes of relevance to fishery or environmental assessment, including changes in pH, siltation, temperature, toxicants, or events simulating floods or droughts. Received July 12, 2012; accepted October 11, 2012

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,229
Écart entre enseignants0,219 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations4
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNorth American Journal of Fisheries ManagementMême sujetFish Ecology and Management StudiesTravaux en français237 207