MétaCan
Menu
← Retour à la cohorte
Enregistrement W2810556747 · doi:10.1139/cjfas-2018-0051

Bioenergetic and limnological foundations for using degree-days derived from air temperatures to describe fish growth

2018· article· en· W2810556747 sur OpenAlexaffvenue
Andrew E. Honsey, Paul Venturelli, Nigel P. Lester

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensMinistry of Natural Resources and Forestry
Organismes subventionnairesnon disponible
Mots-clésBioenergeticsEctothermFish <Actinopterygii>Degree (music)Air temperatureEnvironmental scienceEcologyBiologyLinear relationshipFisheryAnimal scienceAtmospheric sciencesMathematicsStatisticsPhysics

Résumé

récupéré en direct d'OpenAlex

Degree-days (DD) are an effective metric for quantifying the thermal opportunity for ectotherm growth. There is strong empirical evidence to suggest that DD are useful for describing fish growth and that immature growth increases linearly with DD. However, fish ecology lags behind other disciplines in the widespread adoption of DD. We provide (1) a foundation for the observed linear relationship between immature fish growth and DD and (2) justification for using DD derived from air temperatures as a proxy for DD derived from water temperatures in fish science. We use bioenergetics models and both simulated and empirical water temperatures to show that immature annual and interannual fish growth are approximately linear with water DD. We then use simulated and empirical data to show that air and surface water temperatures are often highly correlated and that immature fish growth is also approximately linear with air DD. By connecting the dots among air temperature, water temperature, and fish growth, we lay the foundation for wider adoption of DD in fish science.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,049
Tête enseignante GPT0,244
Écart entre enseignants0,195 · 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

Citations31
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

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