MétaCan
Menu
← Retour à la cohorte
Enregistrement W3047365811 · doi:10.1139/cjfas-2020-0086

Ecological consequences of Great Lakes salmon subsidies for stream-resident brook and brown trout

2020· article· en· W3047365811 sur OpenAlexvenueno aff
Nathan T. Hermann, Dominic T. Chaloner, Brandon S. Gerig, Gary A. Lamberti

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Notre DameU.S. Environmental Protection Agency
Mots-clésBrown troutTroutSalmoSalvelinusFisheryForagingFontinalisContext (archaeology)BiologyEcologyOncorhynchusBioenergeticsBiomass (ecology)Environmental scienceFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Introduced Pacific salmon (Oncorhynchus spp.) deliver novel, pulsed resource subsidies to Great Lakes streams. We explored interactions between native brook trout (Salvelinus fontinalis) and non-native brown trout (Salmo trutta) in the context of this resource pulse. Diets surveyed before and during salmon spawning showed that, regardless of species, trout consumed 4.5-fold more biomass during than before salmon runs. Brook trout grew more quickly than brown trout under controlled feeding regimes due, in part, to their higher food conversion efficiency of 36% compared with 21%. Bioenergetics model simulations explored the influence of temperature on the exploitation of resource pulses and found 35% lower growth rates and increased gorging at colder temperatures. Overall, we found evidence that brook trout and brown trout foraging and growth are modulated by the salmon resource pulse, especially through gorging on eggs. However, these species exhibit distinct physiological adaptations and environmental preferences that may influence their ultimate capacity to exploit resource pulses. The effects of environmental conditions and salmon subsidies on stream-resident trout have broader consequences for fisheries management and conservation efforts.

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)0,000
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 enseignants0,981
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,029
Tête enseignante GPT0,220
Écart entre enseignants0,191 · 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

Citations9
Publié2020
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→