MétaCan
Menu
← Retour à la cohorte
Enregistrement W2903492108

The Effect of Eurasian watermilfoil metal accumulation on the activity of milfoil weevil populations in Sudbury, Ontario

2018· article· en· W2903492108 sur OpenAlexaffabout
Max J. DeBues, Eric P. S. Sager

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensTrent University
Organismes subventionnairesnon disponible
Mots-clésWeevilMyriophyllumSedimentMetalBotanyEcologyBiologyEnvironmental scienceGeologyChemistryPaleontologyAquatic plant
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper explores patterns of metal accumulation in Eurasian watermilfoil (Myriophyllum spicatum), and determines whether populations of milfoil weevils (Euhrychiopsis lecontei) in the Sudbury region are visibly affected by these patterns. To investigate this relationship, milfoil patches in six Sudbury lakes, and one control lake (Baptiste Lake, near Bancroft, ON) were sampled for sediment and plant chemistry, as well as for milfoil weevil damage as a measure of weevil activity. Comparisons of sediment, milfoil root, and milfoil stem metal concentrations among the seven lakes found sediment metal concentrations of Cd, Cu, Ni, and Pb, were all lowest in the control lake, Baptiste. The greatest differences were found in Cu and Ni concentrations, which were approximately fifteen to eighty times higher in Sudbury. Milfoil metal concentrations in the root and stem were not strongly correlated to sediment concentrations indicating that total metal concentrations are not reflective of the available metal in the Sudbury Lakes. Weevil damage was weakly correlated with Cd/Zn ratios, but uncorrelated with all stem metal concentrations. Principal Components Analysis confirmed that metal accumulation in Eurasian milfoil could not predict milfoil weevil damage. It is unclear whether milfoil weevils are simply unaffected by metal contamination in their host plant, or whether the effect is too small to detect with this study design.

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 enseignants0,208
Score d'incertitude au seuil0,418

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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,053
Tête enseignante GPT0,307
Écart entre enseignants0,255 · 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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetHeavy metals in environment→Travaux en français237 207→