MétaCan
Menu
Retour à la cohorte
Enregistrement W2272304328 · doi:10.1080/07055900.2015.1090390

Investigating the Effect of Oceanographic Conditions and Swimming Behaviours on the Movement of Particles in the Gulf of St. Lawrence Using an Individual-Based Numerical Model

2015· article· en· W2272304328 sur OpenAlexaffvenue
Kyoko Ohashi, Jinyu Sheng

Notice bibliographique

RevueATMOSPHERE-OCEAN · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésHydrographyOceanographyOcean currentEstuaryNumerical modelingSalinityCirculation (fluid dynamics)GeologyEnvironmental scienceCurrent (fluid)PhysicsGeophysics

Résumé

récupéré en direct d'OpenAlex

In this study an individual-based numerical model with three-dimensional (3D) and time-dependent fields of circulation and hydrography is used to examine the effects of the physical environment and various biological behaviours on the distribution and movement of particles in the Gulf of St. Lawrence and adjacent waters. The 3D circulation and hydrographic fields are simulated by a numerical ocean circulation model. The model domain covers the St. Lawrence Estuary (SLE), the Gulf of St. Lawrence (GSL), the Scotian Shelf, the Gulf of Maine, and their adjacent waters. The basis of the individual-based model is a numerical scheme that tracks the movement of particles carried by ocean currents. Several swimming behaviours of marine animals are considered with efficient seaward migration in the GSL as the goal. Electronic tagging data for the American eel (Anguilla rostrata) are used as guidance in specifying the behaviours. It is demonstrated that particles that undergo an observed behaviour, known as selective tidal stream transport, are able to exit the SLE more efficiently than particles that are carried passively by the 3D ocean currents. Outside the SLE, particles that search for and swim towards higher salinity move further downstream than those that have a preference for deeper water or swim in random directions.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,606
Score d'incertitude au seuil0,314

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 technologies0,0000,001
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 Opus0,045
Tête enseignante GPT0,283
Écart entre enseignants0,238 · 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

Citations24
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueATMOSPHERE-OCEANMême sujetMarine and fisheries researchTravaux en français237 207