Effect of culture depth on the shell thickness of the blue mussel <i>Mytilus edulis</i>: a practical case study comparing direct and indirect methods of measurement
Notice bibliographique
Résumé
ABSTRACT Mytilus species have a fundamental role in coastal environments and constitute an important aquaculture resource. Their shell has a protective function and is affected by multiple factors, such as the size of the animal, density, environmental characteristics and presence of predators. It is crucial to accurately estimate shell thickness in order to understand the effects of the ever-changing environment on mussel physiology, morphology and ecology. This study compares a newly developed direct method for measuring shell thickness, using scanning electron microscopy (SEM), and a widely used indirect method (shell thickness index, STI), in the context of a practical case study of the blue mussel Mytilus edulis. In this study, STI did not appear as highly correlated to direct thickness measurement as in previous studies. This study also showed a weaker relationship between measured shell length and STI. In the case study, assessing the effect of culture depth on M. edulis growth and condition, STI showed a significant variation with depth, while SEM measured thickness did not. Therefore, the choice to use STI vs direct measurement of shell thickness drastically changed the results and interpretation of the case study. This work highlights the importance of a carefully designed method for measuring shell thickness and emphasizes that, before application, indirect methods should be quality controlled for the population studied. However, when high precision is needed for shell thickness measurements the application of SEM-based techniques may be necessary. This is the first study where SEM-based techniques have been used to measure shell thickness in M. edulis.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».