MétaCan
Menu
← Retour à la cohorte
Enregistrement W2518307465 · doi:10.1139/cjfas-2015-0535

Linking groundwater – surface water exchange to food production and salmonid growth

2016· article· en· W2518307465 sur OpenAlexvenueno aff
Francine Mejia, Colden V. Baxter, Eric K. Berntsen, Alexander K. Fremier

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Geological SurveyCalifornia Department of Fish and WildlifeWashington Department of Fish and Wildlife
Mots-clésPeriphytonEnvironmental scienceGroundwaterBiomass (ecology)Fish farmingSurface waterBenthic zoneInvertebrateEcologyFisheryBiologyAquacultureFish <Actinopterygii>Environmental engineering

Résumé

récupéré en direct d'OpenAlex

Materials, energy, and organisms from groundwater serve as resource subsidies to lotic systems. These subsidies influence food production and post-emergent fish growth and condition through nutrient inputs and water temperature changes. To test whether post-emergent fish grew faster in gaining sites, we grew hatchery post-emergent salmon in enclosures, sampled periphyton, benthic invertebrates, and wild salmon, and modeled fish growth across a gradient of groundwater – surface water exchange. Fish grew almost twice as fast in gaining (2.7%·day−1) than in losing (1.5%·day−1) sites. Fish from transient sites grew as much as gaining sites, but their condition was significantly lower (18.3% vs. 20.7%). Results suggest that groundwater – surface water exchange affects fish growth and energetic condition through direct and indirect pathways. Elevated nitrogen concentrations and consistently warmer water temperature in gaining sites have a strong effect on basal production with subsequent effects on invertebrate biomass, fish growth, and condition. Findings highlight the importance of groundwater – surface water exchange as a subsidy to rearing salmon and may inform strategies for restoring fish rearing habitat.

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 enseignants0,049
Score d'incertitude au seuil0,098

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,019
Tête enseignante GPT0,193
Écart entre enseignants0,174 · 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

Citations21
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→