MétaCan
Menu
← Retour à la cohorte
Enregistrement W2182084609 · doi:10.1139/f2012-025

Unravelling the effects of water temperature and density dependence on the spatial variation of brown trout (<i>Salmo trutta</i>) body size

2012· article· en· W2182084609 sur OpenAlexvenueno aff
Irene Parra, Ana Almodóvar, Daniel Ayllón, Graciela G. Nicola, Benigno Elvira

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Social Fund
Mots-clésSalmoBrown troutDensity dependencePopulation densityTroutPopulationEcologyBiologyFisheryFish <Actinopterygii>Demography

Résumé

récupéré en direct d'OpenAlex

This study looks at the relative influence of water temperature and density dependence on the spatial variation in body size of 126 brown trout ( Salmo trutta ) cohorts from 12 Iberian rivers over a 12-year period. Mean cohort mass and length of age groups 0+ to 2+ varied significantly among sampling sites because of the concurrent effect of water temperature and density dependence. Density in suitable habitat had a limiting role that influenced potential maximum growth of cohorts, and water temperature differentiated these cohorts in two groups of sites with high and low potential maximum growth. Water temperature had a positive cumulative effect on body size of all age classes. However, body size of age-0 trout was nonlinearly influenced by short-term exposure to extreme water temperature. Thus, extremely high temperatures became a limiting factor and had deleterious effects on growth. There were intracohort and intercohort effects of density dependence throughout the life span, which were mainly due to the density in the available suitable habitat of trout of the same age or older. The present study supports the hypothesis that both density-dependent and density-independent processes are crucial for the understanding of population dynamics and that their relative importance varies across scales of space and time.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,007
Tête enseignante GPT0,179
Écart entre enseignants0,173 · 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'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

Citations23
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetFish Ecology and Management Studies→Travaux en français237 207→