MétaCan
Menu
← Retour à la cohorte
Enregistrement W2789243460 · doi:10.1139/cjfas-2017-0420

Overwinter thermal habitat use in lakes by anadromous Arctic char

2018· article· en· W2789243460 sur OpenAlexafffundvenueabout
I. Mulder, Corey J. Morris, J. Brian Dempson, Ian Fleming, Michael Power

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensMemorial University of NewfoundlandFisheries and Oceans CanadaUniversity of Waterloo
Organismes subventionnairesFisheries and Oceans CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésArctic charFish migrationSalvelinusWater columnOverwinteringSpawn (biology)ArcticEcologyHabitatEnvironmental scienceCalidrisForagingPredationFisheryBiologyTrout

Résumé

récupéré en direct d'OpenAlex

Anadromous Arctic char (Salvelinus alpinus) migrate back to fresh water in late summer to spawn and (or) overwinter. Upon freshwater entry, feeding is reduced or absent, and movement activity is restricted. While the physiological responses to low temperatures (e.g., growth, metabolism) are understood, specifics of the use of thermal habitat for overwintering remains poorly characterized. This study used acoustic and archival telemetry data from two lakes in southern Labrador, Canada, to study thermal habitat use during the ice-covered period. Results showed that lake-dwelling anadromous Arctic char predominantly occupied a narrow range of temperatures (0.5–2 °C) and used cooler temperatures available within the middle and upper water column. Use of the selected temperatures is likely a strategy that lowers metabolic costs and minimizes energy expenditure, preserving stored lipids for overwinter survival and the energetic costs of preparation for seaward migration. As Arctic char are visual feeders, use of the upper water column is also thought to aid foraging efficiency by increasing the likelihood of prey capture.

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)0,000
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 enseignants0,575
Score d'incertitude au seuil0,846

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,014
Tête enseignante GPT0,199
Écart entre enseignants0,185 · 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

Citations27
Publié2018
Routes d'admission4
Résumé présentoui

Explorer davantage

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