MétaCan
Menu
← Retour à la cohorte
Enregistrement W2900435043 · doi:10.1139/cjfas-2018-0053

Migration diversity, spawning behavior, and habitat utilization of winter flounder

2018· article· en· W2900435043 sur OpenAlexvenueno aff
Catherine M. Ziegler, Joshua P. Zacharias, Michael G. Frisk

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Army Corps of Engineers
Mots-clésWinter flounderMetapopulationSpawn (biology)EcologyFisheryBiologyHabitatPopulationGeographyFlounderFish <Actinopterygii>Biological dispersalDemography

Résumé

récupéré en direct d'OpenAlex

Winter flounder (Pseudopleuronectes americanus) have declined to less than 11% of their historical abundance in offshore areas and have experienced severe declines and inbreeding in coastal subpopulations. Understanding metapopulation structure and disparate migratory behavior is vital to understanding the species’ dynamics. We used acoustic telemetry to evaluate migratory types, homing behavior, and spawning behavior in adult winter flounder (n = 72) in Mattituck Creek, New York. Telemetry results showed that 17% of the tagged individuals displayed resident behavior and remained in the creek year-round despite mean summer temperatures reaching 28 °C. Alternatively, the migratory group (∼83%) started to leave the system when the mean water temperature reached 12 °C. A dominant driver of migration was not indicated; instead, migration out of or into the creek appeared complex and related to date, temperature, lunar cycle, photoperiod, and year. Approximate spawning was estimated to occur as early as November and continued through April based on aggregative behaviors of adults and back-calculations of dates using young-of-the-year otoliths. Our results support the emerging view that winter flounder’s dynamics reflect local life history and population diversity, which are currently unaccounted for in management.

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 enseignants0,061
Score d'incertitude au seuil0,121

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
Bibliométrie0,0010,000
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 Opus0,047
Tête enseignante GPT0,257
Écart entre enseignants0,210 · 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

Citations17
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine and fisheries research→Travaux en français237 207→