MétaCan
Menu
Retour à la cohorte
Enregistrement W2588339041 · doi:10.1139/cjfas-2016-0254

Quantifying the spatial scale of common carp (<i>Cyprinus carpio</i>) recruitment synchrony

2017· article· en· W2588339041 sur OpenAlexvenueno aff
Michael J. Weber, Michael L. Brown, David H. Wahl, Daniel E. Shoup

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAnimal Ecology and Behavior Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCommon carpLatitudeCyprinusSpatial ecologyEnvironmental scienceBiologyTemporal scalesPrecipitationEcologyGeographyFisheryFish <Actinopterygii>Meteorology

Résumé

récupéré en direct d'OpenAlex

Understanding spatial and temporal fluctuations in animal populations remains a central theme in ecology. Here, we investigated the extent of common carp (Cyprinus carpio) recruitment synchrony across North America in relation to a suite of climatic conditions. Common carp were collected from 21 populations up to a linear distance of 2300 km between the most southern and northern locations. Age-frequency histograms were used to estimate year-class strength, and correlation coefficients were used to evaluate synchrony among populations and environmental variables. We then evaluated relationships between common carp recruitment and winter growing degree-days (GDD), summer GDD, precipitation, wind events, and the El Niño Southern Oscillation Index (ENSO). Common carp recruitment was synchronous up to 756 km but asynchronous at larger scales. Winter and summer GDD, precipitation, and wind were also synchronous among locations up to 1640 km apart. Summer GDD appeared most influential to common carp recruitment but varied across latitudes, with negative effects identified at low latitudes and positive effects identified at higher latitudes. Our results provide new insights into the spatial scale of recruitment synchrony of a non-native freshwater fish and indicate that climatic conditions at local to regional scales likely influence recruitment patterns.

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 enseignants0,016
Score d'incertitude au seuil0,031

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
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,083
Tête enseignante GPT0,295
Écart entre enseignants0,212 · 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

Citations7
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetAnimal Ecology and Behavior StudiesTravaux en français237 207