MétaCan
Menu
← Retour à la cohorte
Enregistrement W4253155508 · doi:10.1139/z00-106

Comparison of fecundity-length-latitude relationships between nonanadromous (kokanee) and anadromous sockeye salmon (<i>Oncorhynchus nerka</i>)

2000· article· en· W4253155508 sur OpenAlexvenueno aff
Michael McGurk

Notice bibliographique

RevueCanadian Journal of Zoology · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOncorhynchusFecundityBiologyFish migrationLatitudeEcologyFisheryFish <Actinopterygii>PopulationGeography

Résumé

récupéré en direct d'OpenAlex

This study compared fecundity-length-latitude relationships between 25 kokanee populations (15 natural and 10 introduced) and 48 sockeye salmon populations. Significant differences confirmed the hypothesis that the two Oncorhynchus nerka variants follow different reproductive strategies: (i) fecundity is more highly correlated with length for kokanee than for sockeye salmon; (ii) kokanee have higher fecundity-length regression slopes and lower intercepts than sockeye salmon; (iii) kokanee populations share a common fecundity-length regression slope, but sockeye salmon populations do not; and (iv) average lengths and fecundities of kokanee decrease with increasing latitude, but those of sockeye salmon do not. The first three findings confirm that kokanee maintain a constant egg size while increasing egg number with increasing body size but that sockeye salmon increase both egg number and egg size with increasing body size. Kokanee egg sizes may be less variable than those of sockeye salmon because kokanee have lower and less variable energetic costs of spawning migration and tend to use spawning gravel with smaller and less variable particle sizes. Latitudinal clines in kokanee length and fecundity may reflect latitudinal gradients in temperature and duration of the growing season. Such environmental gradients may explain why kokanee populations are rarely found as far north as Alaska.

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)0,001
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 enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,022
Tête enseignante GPT0,246
Écart entre enseignants0,224 · 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

Citations15
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Zoology→Même sujetFish Ecology and Management Studies→Travaux en français237 207→