Impact of the use of different temperature‐dependent larval development functions on estimates of potential large‐scale connectivity of American lobster
Notice bibliographique
Résumé
Abstract The way in which the effect of temperature on the development rate of crustacean larvae is simulated in larval dispersal models potentially impacts the inferences made about population recruitment and connectivity. In this study, we contrasted dispersal and connectivity predictions made by a large‐scale dispersal model of American lobster ( Homarus americanus H. Milne Edwards, 1837) larvae using three temperature‐dependent larval development functions proposed in the literature: (1) “warm‐source lab”, (2) “warm‐source field”, and (3) “cold‐source lab”. Differences in predictions using each function were contrasted in the northern (colder) and southern (warmer) portions of the species' range. Using these different development functions resulted in significant and marked differences (61.3–162.4 km in the north and 30.9–81.9 km in the south) in the distances dispersed by larvae from hatch to settlement. In general, predicted self‐seeding, retention, and local connectivity were increased, and predicted connectivity among distant locations was decreased, when a function predicting faster development was used. The field‐derived function predicted much less connectivity and decreased dispersal overall than both lab‐derived functions. The cold‐source lab function predicted more retention in northern regions, but less in southern regions, than the warm‐source lab function. Our findings indicate the need for more studies to quantify the rate at which lobster larvae develop in nature, including how this may vary over space and time.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 tête enseignante, 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 ».