MétaCan
Menu
← Retour à la cohorte
Enregistrement W2947850738 · doi:10.1139/cjfas-2018-0491

Biophysical models reveal the role of tides, wind, and larval behaviour in early transport and retention of Atlantic herring (<i>Clupea harengus</i>) in the Celtic Sea

2019· article· en· W2947850738 sur OpenAlexvenueno aff
Inge Deschepper, Kieran Lyons, Olga Lyashevska, Deirdre Brophy

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOceanographyClupeaDiel vertical migrationAtlantic herringPopulationHerringCeltic languagesSpawn (biology)Environmental scienceBiological dispersalFisheryGeologyGeographyBiology

Résumé

récupéré en direct d'OpenAlex

Fish are adapted to spawn where their larvae will be retained in, or transported to, suitable juvenile habitat. Variability in circulation and behaviour produces variation in larval transport with consequences for recruitment. A biophysical model was used to simulate early larval dispersal of Celtic Sea herring (Clupea harengus) during wintertime in 6 years (2002, 2003, 2004, 2005, 2008, 2010). After 30 days, particles occurred in three areas: inshore Celtic Sea, offshore Celtic Sea, and southern Irish Sea, with the majority (70%–78% on average) of particles retained in the Celtic Sea. Inclusion of tidal forcing increased transport to the Irish Sea and decreased transport offshore, as did release during a spring tide. Retention in the Celtic Sea was increased by diel vertical migration and decreased by horizontal diffusion. Strong and frequent west to southwest winds increased transport offshore, while strong and frequent east to south-southeast winds increased inshore retention in the Celtic Sea and transport into the Irish Sea. The study shows how tides, winds, and behaviour influence larval transport and retention and highlights potential impacts of climate change on population persistence.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,180
Score d'incertitude au seuil0,358

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 savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,014
Tête enseignante GPT0,205
Écart entre enseignants0,190 · 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'étudeSimulation ou modélisation
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

Citations11
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

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