MétaCan
Menu
← Retour à la cohorte
Enregistrement W2334415127 · doi:10.1139/f2011-138

Effect of prey abundance and size on the distribution of demersal fishes

2012· article· en· W2334415127 sur OpenAlexvenueno aff
Andrew F. Johnson, María Valls, Joan Moranta, Stuart R. Jenkins, Jan Geert Hiddink, Hilmar Hinz

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesInstituto Español de OceanografíaMinisterio de Ciencia e Innovación
Mots-clésPredationDemersal zoneDemersal fishAbundance (ecology)BiologyHakePredatorMerluccius merlucciusForagingOptimal foraging theoryBenthic zoneEcologyFisheryPelagic zoneFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Many demersal fish species rely on benthic prey as food sources for part of, or in some cases, all of their life history. We investigated the relationships between prey and predator abundance and prey size and predator mouth gape size for nine demersal fish species. Of the species analysed, four showed a significant positive increase in abundance with increasing prey abundance. Prey size is thought to be an important parameter for demersal fish that are limited in their feeding potential by their mouth gape size, as it influences consumption rate and energy expenditure while foraging. The relationship between prey size and mouth gape was investigated using both stomach content data and prey availability data. Stomach content analysis revealed positive relationships between maximum prey size and predator mouth gape size for six of the species. Indications of prey size selectivity were only seen in the environment for European hake ( Merluccius merluccius ), highlighting the potential importance of prey size over prey abundance for this species. The results demonstrate that prey abundance and size are of significance for some demersal fish species feeding primarily on benthos and will help in defining habitat requirements of demersal fish species.

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)0,002
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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 ouverte0,0000,000
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 Opus0,013
Tête enseignante GPT0,231
Écart entre enseignants0,217 · 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

Citations22
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine and fisheries research→Travaux en français237 207→