Improving Outplanting Designs for Northern Abalone (<i>Haliotis</i><i>kamtschatkana</i>): The Addition of Complex Substrate Increases Survival
Notice bibliographique
Résumé
Hatchery-reared abalone outplanted into the wild at higher than ambient densities often experience very high levels of mortality as a result of density-dependent predation by natural predators. We conducted 2 experiments to assess the effectiveness of different methods of reducing predation on outplanted northern abalone (Haliotis kamtschatkana). During the first experiment, we removed small predators from brick-filled habitat cages that excluded large predators. The survival rates of juvenile abalone (mean shell length (SL), 22 mm) were greater in cages from which sea stars and other predators were removed periodically than in control cages. During the second experiment, we constructed 30 fenced 1 -m2 outplanting plots and assigned 10 randomly to be controls and 20 to be filled with 1 of 4 complex substrates (0.3-m layer of cobbles, 0.3-m layer of boulders, 0.9-m layer of cobbles, and 0.9-m layer of boulders). We then released 30 large juvenile abalone (mean SL, 51.5 mm) into each plot. The number of live outplanted abalone remaining in the complex substrate plots was significantly greater than in the control plots during the first 6 days. Surveys of a 4-m radius around each plot showed that emigration was lower from complex substrate plots than from control plots, and fewer shell fragments were found. The addition of complex substrate to plots provided crypsis from large predators but also resulted in significantly higher densities of small predators. Outplanting lower densities of abalone into larger plots of natural high-substrate complexity might attract fewer predatory sea stars and crabs, and thus result in higher survival rates.
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 | 0,003 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».