MétaCan
Menu
Retour à la cohorte
Enregistrement W2288604827 · doi:10.1111/eva.12373

Harvest‐induced evolution and effective population size

2016· article· en· W2288604827 sur OpenAlexafffund
Anna Kuparinen, Jeffrey A. Hutchings, Robin S. Waples

Notice bibliographique

RevueEvolutionary Applications · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAcademy of Finland
Mots-clésBiologyPreharvestEffective population sizePopulationPopulation sizeEcologyDemographyGenetic variationBotany

Résumé

récupéré en direct d'OpenAlex

Much has been written about fishery-induced evolution (FIE) in exploited species, but relatively little attention has been paid to the consequences for one of the most important parameters in evolutionary biology-effective population size (N e). We use a combination of simulations of Atlantic cod populations experiencing harvest, artificial manipulation of cod life tables, and analytical methods to explore how adding harvest to natural mortality affects N e, census size (N), and the ratio N e/N. We show that harvest-mediated reductions in N e are due entirely to reductions in recruitment, because increasing adult mortality actually increases the N e/N ratio. This means that proportional reductions in abundance caused by harvest represent an upper limit to the proportional reductions in N e, and that in some cases N e can even increase with increased harvest. This result is a quite general consequence of increased adult mortality and does not depend on harvest selectivity or FIE, although both of these influence the results in a quantitative way. In scenarios that allowed evolution, N e recovered quickly after harvest ended and remained higher than in the preharvest population for well over a century, which indicates that evolution can help provide a long-term buffer against loss of genetic variability.

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)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
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 ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,238
Écart entre enseignants0,231 · 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

Citations68
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEvolutionary ApplicationsMême sujetMarine and fisheries researchTravaux en français237 207