MétaCan
Menu
Retour à la cohorte
Enregistrement W3160470342 · doi:10.3389/fmars.2021.613778

Comparative Sensitivities of Zooplankton to Ocean Acidification Conditions in Experimental and Natural Settings

2021· article· en· W3160470342 sur OpenAlexaff
Katherine E. Keil, Terrie Klinger, Julie E. Keister, Anna K. McLaskey

Notice bibliographique

RevueFrontiers in Marine Science · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Acidification Effects and Responses
Établissements canadiensUniversity of British ColumbiaFisheries and Oceans Canada
Organismes subventionnairesWashington Sea Grant, University of WashingtonNational Science Foundation
Mots-clésZooplanktonFood webEcosystemEnvironmental scienceOcean acidificationAbundance (ecology)EcologyMarine ecosystemClimate changeOceanographyBiology

Résumé

récupéré en direct d'OpenAlex

Zooplankton can serve as indicators of ecosystem health, water quality, food web structure, and environmental change, including those associated with climate change and ocean acidification (OA). Laboratory studies demonstrate that low pH and high pCO2 associated with OA can significantly affect the physiology and survival of zooplankton, with differential responses among taxa. While laboratory studies can be indicative of zooplankton response to OA, in situ responses will ultimately determine the fate of populations and ecosystems. In this perspective, we compare expectations from experimental studies with observations made in Puget Sound (Washington, United States), a highly dynamic estuary with known vulnerabilities to low pH and high pCO2. We found little association between empirical measures of in situ pH and the abundance of sensitive taxa as revealed by meta-analysis, calling into question the coherence between experimental studies and field observations. The apparent mismatch between laboratory and field studies has important ramifications for the design of long-term monitoring programs and interpretation and use of the data produced. Important work remains to be done to connect traits that are sensitive to OA with those that are ecologically relevant and reliably observable in the field.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

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 technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,008
Tête enseignante GPT0,248
Écart entre enseignants0,240 · 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

Citations19
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Marine ScienceMême sujetOcean Acidification Effects and ResponsesTravaux en français237 207