MétaCan
Menu
← Retour à la cohorte
Enregistrement W2520588181 · doi:10.1139/cjfas-2016-0136

Nutrient loading by anadromous fishes: species-specific contributions and the effects of diversity

2016· article· en· W2520588181 sur OpenAlexvenueno aff
Cornelia W. Twining, Eric P. Palkovacs, Maya A. Friedman, Daniel J. Hasselman, David M. Post

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Environmental BiologyAtlantic States Marine Fisheries CommissionNational Fish and Wildlife FoundationNational Oceanic and Atmospheric AdministrationNational Science Foundation
Mots-clésFish migrationNutrientEcologySpecies evennessEcosystemSpecies richnessBiologyAcartia tonsaLife history theorySpecies diversityFisheryEnvironmental scienceLife historyCopepodHabitatCrustacean

Résumé

récupéré en direct d'OpenAlex

Anadromous fishes exhibit diverse life history and functional traits. Spawning anadromous fishes bring nutrients to fresh waters, and their life history and functional traits can influence nutrient loading patterns. We asked how nutrient inputs varied across 12 species of North American anadromous fishes and how these patterns affected river-wide trends in nutrient loading. We used portfolio effect analyses to assess whether diversity stabilized or destabilized nutrient inputs to freshwater ecosystems over time. Recent decreases in body size reduced per individual nutrient loading for several key species, which in turn decreased cumulative loading. Invasion also altered nutrient loading; non-native American shad (Alosa sapidissima) now provide nearly half of the annual marine-derived nutrient inputs to the Columbia River. Counter to expectations, species diversity (richness and evenness) did not significantly increase the stability of nutrient inputs to fresh waters. Species loss in the Connecticut River increased stability, while species gain in the Columbia River decreased stability.

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)0,001
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 enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
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 Opus0,009
Tête enseignante GPT0,179
Écart entre enseignants0,170 · 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

Citations28
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→