MétaCan
Menu
← Retour à la cohorte
Enregistrement W2277420509 · doi:10.1139/cjfas-2015-0293

Are brown trout replacing or displacing bull trout populations in a changing climate?

2016· article· en· W2277420509 sur OpenAlexvenueno aff
Robert Al‐Chokhachy, David A. Schmetterling, Chris Clancy, Pat Saffel, Ryan P. Kovach, Leslie G. Nyce, Brad Liermann, Wade Fredenberg, Ron Pierce

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBrown troutTroutSalmoOverwinteringForagingBiologyAbundance (ecology)FisheryPopulationEcologySalvelinusHabitatFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Understanding how climate change may facilitate species turnover is an important step in identifying potential conservation strategies. We used data from 33 sites in western Montana to quantify climate associations with native bull trout (Salvelinus confluentus) and non-native brown trout (Salmo trutta) abundance and population growth rates (λ). We estimated λ using exponential growth state-space models and delineated study sites based on bull trout use for either spawning and rearing (SR) or foraging, migrating, and overwintering (FMO) habitat. Bull trout abundance was negatively associated with mean August stream temperatures within SR habitat (r = −0.75). Brown trout abundance was generally highest at temperatures between 12 and 14 °C. We found bull trout λ were generally stable at sites with mean August temperature below 10 °C but significantly decreasing, rare, or extirpated at 58% of the sites with temperatures exceeding 10 °C. Brown trout λ were highest in SR and sites with temperatures exceeding 12 °C. Declining bull trout λ at sites where brown trout were absent suggest brown trout are likely replacing bull trout in a warming climate.

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)0,002
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 enseignants0,961
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0010,001
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 Opus0,037
Tête enseignante GPT0,244
Écart entre enseignants0,206 · 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

Citations59
Publié2016
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→