Understanding factors influencing Atlantic herring (<scp><i>Clupea harengus</i></scp>) recruitment: From egg deposition to juveniles
Notice bibliographique
Résumé
Abstract Recruitment is a critical component of population dynamics and variability in recruitment underpins large fluctuations in population abundances of commercially valuable marine fishes. Marine pelagic fishes such as Atlantic herring ( Clupea harengus ) experience relatively high variability in recruitment that is driven by a wide range of biotic and abiotic factors. The relative importance and interaction of each factor for determining recruitment is poorly understood, and consequently, recruitment estimates are one of the largest uncertainties in fisheries management and predictions of future population sizes. Poor recruitment of Atlantic herring has been identified as a major issue and bottleneck for the species; therefore, factors influencing successful recruitment are of great interest to fisheries managers. Here we review studies that have examined the factors influencing survival at the egg stage, early larval stage, late larval stage, and juvenile stage to develop a more comprehensive understanding of the recruitment of Atlantic herring and provide recommendations to guide future research. We identified nine biotic and eight abiotic factors that have been found to substantially impact the recruitment of Atlantic herring, with temperature, prey availability, and predation being the most commonly investigated factors. We conclude it is not one factor that primarily determines recruitment, but rather a collection of many factors that vary temporally and spatially that drive the large variation observed in Atlantic herring recruitment year over year. A holistic approach is required to better understand recruitment and improve fisheries management decisions regarding Atlantic herring.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».