MétaCan
Menu
Retour à la cohorte
Enregistrement W2746417783 · doi:10.1111/gcb.13831

Sound physiological knowledge and principles in modeling shrinking of fishes under climate change

2017· article· en· W2746417783 sur OpenAlexafffund
Daniel Pauly, William W. L. Cheung

Notice bibliographique

RevueGlobal Change Biology · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhysiological and biochemical adaptations
Établissements canadiensUniversity of British ColumbiaFisheries and Oceans Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFish <Actinopterygii>GillGlobal warmingClimate changeRange (aeronautics)ScalingEcologyMetabolic rateEnvironmental scienceBiologyFisheryAtmospheric sciencesGeologyMathematics

Résumé

récupéré en direct d'OpenAlex

One of the main expected responses of marine fishes to ocean warming is decrease in body size, as supported by evidence from empirical data and theoretical modeling. The theoretical underpinning for fish shrinking is that the oxygen supply to large fish size cannot be met by their gills, whose surface area cannot keep up with the oxygen demand by their three-dimensional bodies. However, Lefevre et al. (Global Change Biology, 2017, 23, 3449-3459) argue against such theory. Here, we re-assert, with the Gill-Oxygen Limitation Theory (GOLT), that gills, which must retain the properties of open surfaces because their growth, even while hyperallometric, cannot keep up with the demand of growing three-dimensional bodies. Also, we show that a wide range of biological features of fish and other water-breathing organisms can be understood when gill area limitation is used as an explanation. We also note that an alternative to GOLT, offering a more parsimonious explanation for these features of water-breathers has not been proposed. Available empirical evidence corroborates predictions of decrease in body sizes under ocean warming based on GOLT, with the magnitude of the predicted change increases when using more species-specific parameter values of metabolic scaling.

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 enseignants0,043
Score d'incertitude au seuil0,323

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 ouverte0,0000,001
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 Opus0,235
Tête enseignante GPT0,340
Écart entre enseignants0,105 · 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

Citations253
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal Change BiologyMême sujetPhysiological and biochemical adaptationsTravaux en français237 207