MétaCan
Menu
Retour à la cohorte
Enregistrement W2745447841

Beach wrack communities within a commercially harvested coastline of the Salish Sea

2016· article· en· W2745447841 sur OpenAlexaboutno aff
Jessica J. Holden, Shaun MacNeil, Sarah E. Dudas, Brian Charles Kingzett, Francis Juanes

Notice bibliographique

RevueWestern CEDAR (Western Washington University) · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueMarine and Offshore Engineering Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeographyOceanographyFisheryEnvironmental scienceGeologyBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Accumulations of beach-cast seaweeds and other matter, collectively known as wrack, are a common and ecologically important occurrence along coastal regions worldwide. Between the unincorporated communities of Deep Bay and Bowser, on the east coast of Vancouver Island, beach wrack is primarily composed of an introduced species of red algae called Mazzaella japonica, which became the target of a commercial beach-cast harvest in 2007. Little is known, however, about the ecological role of M. japonica in this recipient system. Furthermore, literature on the effects of harvesting beach-cast seaweed is limited. The goal of this research was therefore threefold: 1) To quantify the contribution of M. japonica to wrack inputs within the harvest region; 2) to explore how wrack characteristics influence macrofauna communities; and 3) to determine if the commercial removal of beach-cast seaweeds has a detectable effect on wrack characteristics and macrofauna community structure. To answer these questions we monitored a series of permanent transects at six sites across the harvest region, from November 2014 until March 2015. We recorded as much as 853 kg (±99.8 SE) of wrack per meter of shoreline, 63 % to 82% of which was identified as M. japonica across sites. Despite the removal of 674.5 tonnes of beach-cast seaweeds, we found that the trends in wrack biomass were similar between both harvested and unharvested locations. Macrofauna communities differed significantly between study sites, as well as with the age class, depth, and total biomass of the wrack from which they were sampled.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,457
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,016
Tête enseignante GPT0,192
Écart entre enseignants0,177 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWestern CEDAR (Western Washington University)Même sujetMarine and Offshore Engineering StudiesTravaux en français237 207