MétaCan
Menu
← Retour à la cohorte
Enregistrement W2569685398 · doi:10.1139/cjfas-2016-0108

Impacts of eutrophication and oil spills on the Gulf of Finland herring stock

2017· article· en· W2569685398 sur OpenAlexvenueno aff
Mika Rahikainen, Kirsi-Maaria Hoviniemi, Samu Mäntyniemi, Jarno Vanhatalo, Inari Helle, Maiju Lehtiniemi, Jukka Pönni, Sakari Kuikka

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHerringEutrophicationClupeaFisheryEnvironmental sciencePelagic zonePopulationMarine ecosystemAtlantic herringStock (firearms)EcosystemOceanographyEcologyGeographyBiologyNutrientFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

The Baltic Sea is one of the world’s most stressed sea areas. Major threats to the ecosystem include eutrophication and oil spills. The progression of anthropogenic nutrient enrichment is lengthy and gradual, while oil spills cause rapid changes in the system, with varying impact time. We quantify the impact of eutrophication and the key ecological covariates on the population dynamics of the major pelagic fish stock, the Baltic herring (Clupea harengus membras), in the Gulf of Finland. The full life cycle of herring is represented with a probabilistic state-space model. Moreover, we analyse the impact of the oil spill from M/T Antonio Gramsci in 1987 on herring survival. The results confirm impact of the spill on the early life-stage survival; the observed high frequency of malformed herring larvae in surveys signaled elevated mortality of the year class. The optimal July–August chlorophyll a concentration for herring reproduction is approximately 5 μg·L−1. This level is currently exceeded, suggesting recruitment impairment due to eutrophication. The herring stock was also recruitment-overfished. Analysis suggests deceleration of herring growth as salinity descends below 6 psu.

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)0,002
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 enseignants0,043
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0010,000
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 Opus0,034
Tête enseignante GPT0,256
Écart entre enseignants0,222 · 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

Citations18
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

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