Intertidal barnacle recruitment (full paper published in 2016 in PeerJ 4: article e2623)
Notice bibliographique
Résumé
On the Gulf of St. Lawrence coast of Nova Scotia (Canada), recruitment of the barnacle Semibalanus balanoides occurs in May and June. Every year in June between 2005 and 2016, we recorded recruit density for this barnacle at the same wave-exposed rocky intertidal location on this coast. During these 12 years, mean recruit density was lowest in 2015 (198 recruits dm-2) and highest in 2007 (969 recruits dm-2). The highest recruit density observed in a single quadrat was 1,457 recruits dm-2 (in 2011) and the lowest was 34 recruits dm-2 (in 2015). Most barnacle recruits appear during May, which suggests that most pelagic larvae (which develop over 5–6 weeks before benthic settlement) are in the water column in April. An AICc-based model selection approach identified sea surface temperature (SST) in April and the abundance of phytoplankton (food for barnacle larvae, measured as chlorophyll-a concentration –Chl-a–) in April as good explanatory variables. Together, April SST and April Chl-a explained 51% of the observed interannual variation in recruit density, with an overall positive influence. April SST was positively related to March–April air temperature (AT). April Chl-a wasnegatively related to the April ratio between the number of days with onshore winds (which blow from phytoplankton-limited offshore waters) and the number of days with alongshore winds (phytoplankton is more abundant on coastal waters). Therefore, this study suggests that climatic processes affecting April SST and April Chl-a indirectly influence intertidal barnacle recruitment by influencing larval performance.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,112 | 0,038 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».