MétaCan
Menu
Retour à la cohorte
Enregistrement W2181111840 · doi:10.1579/0044-7447-32.3.240

Use of Rehabilitation Experiments to Understand the Recovery Dynamics of Acid-stressed Fish Populations

2003· article· en· W2181111840 sur OpenAlexaffabout
Ed Snucins, John M. Gunn

Notice bibliographique

RevueAMBIO · 2003
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensLaurentian University
Organismes subventionnairesnon disponible
Mots-clésMicropterusTroutBass (fish)StockingSalvelinusFisheryEcologyBiologyPopulationForage fishIntroduced speciesWater qualityEnvironmental scienceFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

We used rehabilitation experiments involving the stocking of 2 native sportfish, lake trout (Salvelinus namaycush) and smallmouth bass (Micropterus dolomieu), in combination with recent fish community surveys, to study the recovery dynamics of fish populations in acid-stressed lakes near Sudbury and Killarney, Ontario, Canada. Population recovery rates differed between the 2 species. Introduced lake trout did poorly in species-rich lakes and exhibited slower growth, lower survival and delayed recruitment. Smallmouth bass, in contrast, readily colonized species-rich lakes. The biomass of natural smallmouth bass recruits increased to reference lake levels within 5 years following water quality recovery and spawning by stocked fish, whereas the biomass of natural lake trout recruits remained well below reference levels 5-15 years after water quality recovery and spawning by adults occurred. We document introductions by anglers of smallmouth bass into acid-damaged lake trout lakes, including some lakes that did not contain bass prior to acidification. This range expansion of a warm-water species (bass) that can alter food-web structure and reduce the growth of a cold-water species (trout), illustrates the potential for the combination of climate warming and species introductions to greatly alter the biological recovery endpoints in acid-stressed lakes.

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)0,000
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 enseignants0,106
Score d'incertitude au seuil0,268

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,038
Tête enseignante GPT0,260
Écart entre enseignants0,222 · 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

Citations22
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAMBIOMême sujetFish Ecology and Management StudiesTravaux en français237 207