MétaCan
Menu
Retour à la cohorte
Enregistrement W2301758137 · doi:10.1038/ncomms10544

Anthropogenic noise increases fish mortality by predation

2016· article· en· W2301758137 sur OpenAlexaff
Stephen D. Simpson, Andrew N. Radford, Sophie L. Nedelec, Maud C. O. Ferrari, Douglas P. Chivers, Mark I. McCormick, Mark G. Meekan

Notice bibliographique

RevueNature Communications · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesCentre of Excellence for Coral Reef Studies, Australian Research CouncilEngineering and Physical Sciences Research CouncilNatural Environment Research CouncilAssociation Neurofibromatoses et RecklinghauseSight Research UK
Mots-clésDamselfishPredationNoise (video)PredatorFish <Actinopterygii>Environmental scienceEcologyBiologyFisheryCoral reef fish

Résumé

récupéré en direct d'OpenAlex

Noise-generating human activities affect hearing, communication and movement in terrestrial and aquatic animals, but direct evidence for impacts on survival is rare. We examined effects of motorboat noise on post-settlement survival and physiology of a prey fish species and its performance when exposed to predators. Both playback of motorboat noise and direct disturbance by motorboats elevated metabolic rate in Ambon damselfish (Pomacentrus amboinensis), which when stressed by motorboat noise responded less often and less rapidly to simulated predatory strikes. Prey were captured more readily by their natural predator (dusky dottyback, Pseudochromis fuscus) during exposure to motorboat noise compared with ambient conditions, and more than twice as many prey were consumed by the predator in field experiments when motorboats were passing. Our study suggests that a common source of noise in the marine environment has the potential to impact fish demography, highlighting the need to include anthropogenic noise in management plans.

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)0,000
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 enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,024
Tête enseignante GPT0,303
Écart entre enseignants0,279 · 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

Citations395
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetMarine animal studies overviewTravaux en français237 207