MétaCan
Menu
Retour à la cohorte
Enregistrement W3011333850 · doi:10.1093/icesjms/fsaa027

Early spring egg hatching by the American lobster (Homarus americanus) linked to rising water temperature in autumn

2020· article· en· W3011333850 sur OpenAlexaffabout
Marthe Larsen Haarr, Michel Comeau, Joël Chassé, Rémy Rochette

Notice bibliographique

RevueICES Journal of Marine Science · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensFisheries and Oceans CanadaUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésHatchingHomarusAmerican lobsterPhenologyBiologyFisheryLarvaEcologyZoologyCrustacean

Résumé

récupéré en direct d'OpenAlex

Abstract Increasing ocean temperatures may affect life cycles of organisms whose biological processes are temperature-dependent. Our objective was to determine whether hatching time of American lobster (Homarus americanus), which has a 2-year reproductive cycle, has advanced in the southern Gulf of St Lawrence, Canada, in response to rising temperature. We investigated temporal trends in hatching time 1989–2014 using fisheries monitoring data. We considered two metrics: the first week of the year when ovigerous females with prehatch or hatching clutches were observed [onset-of-hatching (OH)] and the rate of change in the ratio of females with prehatch/hatching vs. developing clutches each spring fishing season [rate of clutch development (RCD)]. OH advanced by 5 weeks and RCD increased by 40% on average. Comparisons of OH and RCD to cumulative degree-days going back 2 years prior to hatching suggested an effect of higher fall temperatures during early ovarian and embryonic development. The advancement of hatching time in response to environmental conditions 6–18 months before hatching occurs could lead to a mismatch with larval prey species with shorter life cycles. These findings highlight the importance of monitoring phenology of fished species and the need for further research into potential impacts of phenological changes.

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 enseignants0,055
Score d'incertitude au seuil0,109

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 Opus0,011
Tête enseignante GPT0,255
Écart entre enseignants0,243 · 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

Citations16
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueICES Journal of Marine ScienceMême sujetMarine and fisheries researchTravaux en français237 207