MétaCan
Menu
← Retour à la cohorte
Enregistrement W4251584067 · doi:10.1139/f00-217

Impact of elevated temperature on the growth, survival, and trophic dynamics of winter flounder larvae: a mesocosm study

2000· article· en· W4251584067 sur OpenAlexvenueno aff
Aimee A. Keller, Grace Klein-Macphee

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Environmental Protection Agency
Mots-clésMesocosmWinter flounderBayBiologyFlounderPredationZooplanktonTrophic levelOlive flounderFisheryEcologyAnimal scienceEcosystemFish <Actinopterygii>Oceanography

Résumé

récupéré en direct d'OpenAlex

Winter flounder (Pseudopleuronectes americanus) is a dominant commercial fish in Narragansett Bay, Rhode Island, and yet factors controlling its recruitment remain unclear. An experiment was conducted with six 13-m3 land-based mesocosms (5 m deep) from February to April 1997 to address the impact of increased temperature (+3°C) on growth, survival, and trophic dynamics of winter flounder larvae. Objectives were to determine if warmer winter temperatures result in lower survival of winter flounder as a result of increased predator activity or if temperature-induced alterations in the food web result in greater food availability, perhaps leading to increased survival. Analyses of variance revealed significant (P < 0.05) or near-significant (P < 0.10) differences in phytoplankton and zooplankton abundance and biomass between warm and cool mesocosms. Winter flounder egg survival, percent hatch, time to hatch, and initial size were significantly greater in cool systems (P < 0.05). Mortality rates were lower in cool systems and significantly related to the abundance of active predators (P < 0.05). The cumulative impact of decreased survival of eggs and larvae in warm systems may partially explain the decline of winter flounder in Narragansett Bay, which has experienced elevated winter water temperatures in recent years.

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 enseignants0,987
Score d'incertitude au seuil0,025

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 Opus0,018
Tête enseignante GPT0,245
Écart entre enseignants0,227 · 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

Citations45
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine and fisheries research→Travaux en français237 207→