MétaCan
Menu
Retour à la cohorte
Enregistrement W2603219220 · doi:10.1080/03632415.2017.1276356

Causes and Consequences of Straying into Small Populations of Pacific Salmon

2017· article· en· W2603219220 sur OpenAlexaffabout
Nolan N. Bett, Scott G. Hinch, Nicholas J. Burnett, Michael Donaldson, Sean M. Naman

Notice bibliographique

RevueFisheries · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésIntrogressionSpawn (biology)OncorhynchusPopulationFisheryBiologyAffect (linguistics)GeographyEcologyDemographyFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Abstract Most Pacific salmon Oncorhynchus spp. migrate to their natal sites to spawn. Some, however, stray into nonnatal habitats and interact (e.g., reproduce) with individuals from other populations. Pacific salmon straying has been heavily studied for several decades, particularly from the perspective of the populations that donate the stray migrants. Conservation consequences are experienced primarily by the populations that receive strays, though, and there is recent evidence of significant levels of genetic introgression in small recipient populations, which could contribute to the loss of local adaptations. Straying may also provide the benefit of a demographic rescue effect that could save declining recipient populations from extirpation. We highlight the influence of population abundances on the magnitude of straying into recipient populations and demonstrate this using evidence we collected from a small population of Sockeye Salmon O. nerka in British Columbia, Canada. We also review potential factors that might promote higher donor stray rates and therefore recipient straying. Evidence of factors that affect straying is limited and we identify several knowledge gaps, as well as anthropogenic activities that could promote straying. We encourage further discussion and research on the potential effects of recipient straying and the factors that affect straying rates.

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)0,003
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 enseignants0,073
Score d'incertitude au seuil0,145

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
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 savante0,0000,000
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 Opus0,045
Tête enseignante GPT0,255
Écart entre enseignants0,210 · 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

Citations50
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFisheriesMême sujetFish Ecology and Management StudiesTravaux en français237 207