MétaCan
Menu
← Retour à la cohorte
Enregistrement W3110013373 · doi:10.1139/cjfas-2020-0001

Bottom hypoxia alters the spatial distribution of pelagic intermediate consumers and their prey

2020· article· en· W3110013373 sur OpenAlexvenueno aff
Rebecca A. Dillon, Joseph D. Conroy, Kathryn Lang, Kevin L. Pangle, Stuart A. Ludsin

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Fish and Wildlife ServiceOhio State University
Mots-clésPelagic zoneZooplanktonHypoxia (environmental)PredationBiologyEcologyApex predatorOceanographyEcosystemEnvironmental scienceSpatial distributionTemperate climateFisheryGeographyGeologyOxygenChemistry

Résumé

récupéré en direct d'OpenAlex

While recent research has shed insight into how bottom hypoxia affects pelagic food webs in coastal marine ecosystems and natural lakes, its effects on man-made lake (reservoir) food webs remains more incomplete. To address this gap, we conducted a study in two midwestern USA reservoirs to examine how the spatial overlap and vertical distributions of dominant zooplanktivores (i.e., pelagic fish, bentho-pelagic Chaoborus spp.) and their prey vary between periods of normoxia and hypoxia. Surprisingly, we found high levels of spatial overlap between zooplankton and both intermediate consumers (pelagic fish and Chaoborus) during both normoxia and hypoxia, though the extent of spatial overlap was higher during hypoxia at night relative to day. As expected, pelagic fish and zooplankton avoided hypoxic waters, and Chaoborus moved from hypoxic waters during the day to the well-oxygenated surface waters at night. Using our findings, we discuss the potential influence of bottom hypoxia and Chaoborus on the function and structure of north-temperate reservoir food webs.

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 enseignants0,028
Score d'incertitude au seuil0,055

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 Opus0,015
Tête enseignante GPT0,177
Écart entre enseignants0,162 · 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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine and coastal ecosystems→Travaux en français237 207→