MétaCan
Menu
← Retour à la cohorte
Enregistrement W2922456618 · doi:10.1139/cjfas-2018-0364

Influences of female body condition on recruitment success of walleye (<i>Sander vitreus</i>) in Wisconsin lakes

2019· article· en· W2922456618 sur OpenAlexvenueno aff
Zachary S. Feiner, Stephanie L. Shaw, Greg G. Sass

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Fish and Wildlife ServiceWisconsin Department of Natural Resources
Mots-clésFecundityBiologyReproductive successGonadosomatic IndexEcologyPopulationSanderDemography

Résumé

récupéré en direct d'OpenAlex

Stock reproductive potential informs population dynamics and response to harvest. Indices of body condition, like relative weight (Wr), may indicate individual energetic state and provide a mechanistic link between spawning stock traits and recruitment. We tested for relationships among Wr of three female size classes (381–456, 457–557, and ≥558 mm total length), reproductive traits, and age-0 recruitment using data from 92 walleye (Sander vitreus) populations in the Ceded Territory of Wisconsin during 1989–2015 and a lake-specific time series from Escanaba Lake, Wisconsin, during 1958–2014. In Escanaba Lake, Wr was positively related to maturation in small females and was positively related to fecundity and gonadosomatic index in intermediate fish. Among and within populations, Wr demonstrated compensatory density dependence and positive relationships with growing degree-days. Recruitment was positively related to large female Wr variation across lakes and negatively related to small female Wr variation in Escanaba Lake. Improving the condition of large female walleye may promote recruitment, and Wr may serve as an accessible metric of reproductive potential in walleye stock–recruit analyses.

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 enseignants0,057
Score d'incertitude au seuil0,113

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
Bibliométrie0,0000,000
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 Opus0,025
Tête enseignante GPT0,248
Écart entre enseignants0,224 · 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

Citations33
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

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