MétaCan
Menu
Retour à la cohorte
Enregistrement W2593715458 · doi:10.1002/ece3.2841

Oxygen and carbon isoscapes for the Baltic Sea: Testing their applicability in fish migration studies

2017· article· en· W2593715458 sur OpenAlexaff
Jyrki Torniainen, Anssi Lensu, Pekka J. Vuorinen, Eloni Sonninen, Marja Keinänen, Roger I. Jones, William P. Patterson, Mikko Kiljunen

Notice bibliographique

RevueEcology and Evolution · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueIsotope Analysis in Ecology
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesMaj ja Tor Nesslingin SäätiöAcademy of Finland
Mots-clésOtolithEnvironmental scienceOceanographyBaltic seaHabitatSpatial variabilityIsotopes of carbonSpatial ecologyIsotope analysisStable isotope ratioDissolved organic carbonEcologyFish <Actinopterygii>FisheryBiologyGeologyTotal organic carbon

Résumé

récupéré en direct d'OpenAlex

Abstract Conventional tags applied to individuals have been used to investigate animal movement, but these methods require tagged individuals be recaptured. Maps of regional isotopic variability known as “isoscapes” offer potential for various applications in migration research without tagging wherein isotope values of tissues are compared to environmental isotope values. In this study, we present the spatial variability in oxygen ( ) and dissolved inorganic carbon (δ 13 C DIC ) isotope values of Baltic Sea water. We also provide an example of how these isoscapes can reveal locations of individual animal via spatial probability surface maps, using the high‐resolution salmon otolith isotope data from salmon during their sea‐feeding phase in the Baltic Sea. A clear latitudinal and vertical gradient was found for both and δ 13 C DIC values. The difference between summer and winter in the Baltic Sea values was only slight, whereas δ 13 C DIC values exhibited substantial seasonal variability related to algal productivity. Salmon otolith δ 18 O oto and δ 13 C oto values showed clear differences between feeding areas and seasons. Our example demonstrates that dual isotope approach offers great potential for estimating probable fish habitats once issues in model parameterization have been resolved.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,091
Score d'incertitude au seuil0,925

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,023
Tête enseignante GPT0,261
Écart entre enseignants0,238 · 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 tête enseignante, 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

Citations46
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology and EvolutionMême sujetIsotope Analysis in EcologyTravaux en français237 207