MétaCan
Menu
← Retour à la cohorte
Enregistrement W3122438894 · doi:10.1139/cjfas-2020-0101

Linking demographic transitions to population dynamics in a fluctuating environment

2021· article· en· W3122438894 sur OpenAlexvenueno aff
John V. Gatto, Jeffrey L. Kline, William F. Loftus, Joel C. Trexler

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Geological SurveyFlorida International UniversityNational Science Foundation
Mots-clésSurvivorship curveOtolithFloodplainDisturbance (geology)PopulationEcologyBiomass (ecology)Density dependenceVital ratesBiologyDemographyPopulation growthFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Recruitment has been linked to decreases in the ratio of age-specific mortality (M′) to mass-specific growth (G′), and year-class strength may be predicted by the age when M′/G′ = 1. Hydrological stress adversely affects these parameters for species inhabiting floodplains; however, the relationship between M′ and G′ in hydrologically variable environments is poorly understood. We evaluated age-specific mortality for six species from a 20-year time series and growth curves from otolith length-at-age data. We assessed the effect of hydrology on the transitional age (age M′/G′ = 1) at 21 sites representing a hydrological gradient. Disturbance intensity influenced age-specific mortality but had no effect on mass-specific growth. The transitional age was inversely correlated with annual density, but weakly associated with population biomass. Hydrological disturbance shifted the transitional age to older ages, reducing recruitment overall. We demonstrated that the M′/G′ transition was affected adversely by hydrological stress and can be applied to a diverse group of taxa. Growth, survivorship, and the transitional age should be evaluated to improve population modelling efforts used to predict the influence of future restoration actions.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0000,000

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 GPT0,198
Écart entre enseignants0,187 · 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

Citations3
Publié2021
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→