MétaCan
Menu
← Retour à la cohorte
Enregistrement W2748835729 · doi:10.1139/cjfas-2016-0497

Increasing water temperatures exacerbate the potential for density dependence in juvenile steelhead

2017· article· en· W2748835729 sur OpenAlexvenueno aff
Knut Marius Myrvold, Brian P. Kennedy

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesBureau of ReclamationU.S. Geological Survey
Mots-clésSkewnessJuvenileEnvironmental scienceRange (aeronautics)Biomass (ecology)Climate changePopulation densityDensity dependencePopulationEcologyFisheryAtmospheric sciencesBiologyStatisticsPhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

We studied the potential effects of predicted climate change on the energetic demands of juvenile steelhead (Oncorhynchus mykiss) and their consequences for local population size and structure in Idaho, USA. Projected increases in water temperature incurred on average a 10% higher energetic cost by 2040 (range 7.0%–12.5% among study reaches in the watershed) and a 16% increase (range 8.5%–21.3%) by 2080 following the A1B scenario. The predicted increase in energetic cost was largest in the coolest stream reaches, where the proportional increases in energetic cost exceed that of temperature. Energetically, and in absence of increases in food supply, local densities were consequently expected to decline. We examined which factors best described the shape of current size distributions to explore future size distributions as temperatures increase. Mass distribution skewness was best explained by local biomass (positive relationship) and water temperature (negative relationship). The results suggest that local steelhead cohorts will approach a platykurtic, slightly negatively skewed distribution with increasing temperatures and demonstrate that temperature can exacerbate demographic density dependence in fish populations.

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 enseignants0,013
Score d'incertitude au seuil0,026

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
Bibliométrie0,0000,000
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 Opus0,014
Tête enseignante GPT0,220
Écart entre enseignants0,205 · 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

Citations12
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetFish Ecology and Management Studies→Travaux en français237 207→