Co-culture of blue mussel (Mytilus edulis) and sugar kelp (Saccharina latissima) as a strategy to reduce the predation rate of diving ducks on mussel farms in the Cascapedia Bay (QC, Canada)
Notice bibliographique
Résumé
Mussel farming is a well-established industry in eastern Canada that has become, over the last 45 years, an economical pillar for coastal communities. However, production is not consistent, and many factors such as duck predation can influence profitability. In order to reduce the predation rate of diving ducks on blue mussel (Mytilis edulis) farms in Cascapedia Bay, spools of sugar kelp (Saccharina latissima) and an artificial kelp line were introduced above the mussel’s fertilized rope, aiming to act as a visual shield. The survival rate, thus indirectly the predation rate, was calculated by comparing both treatments at 2 specific times: before the ducks arrival and following their departure. The seaweed yield harvested in June 2017 was significantly lower than regional yield obtained in the past (more than 100 fold difference), with an average yield of 25.3g ± 20.3g▪m-1. While no difference was observed between treatments preceding the ducks arrival in the amount (p>0.1), the weight of mussels per linear meter (p>0.3) and the length (p>0.2), a significant increase of weight of mussels per linear meter (7,0%) in favor of the artificial kelp treatment was found (p= 0.02003) after the ducks departure. Although this experiment is believed to represent a valid starting point to explore the possibility of introducing co-culture as a way to financially protect mussel farmers, it does not represent, as of yet, a profitable solution to protect the lines from predation as the yield was not found to be sufficient to sustain the producers.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».