MétaCan
Menu
← Retour à la cohorte
Enregistrement W4313455870 · doi:10.1101/2022.12.20.520893

Temperature and depth dependence of the spatial distribution of snow crab

2022· preprint· en· W4313455870 sur OpenAlexaffabout
Jae S. Choi, Brent Cameron, Kate Christie, Amy Glass, Ellen MacEachern

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensBedford Institute of OceanographyNova Scotia Hospital
Organismes subventionnairesnon disponible
Mots-clésHabitatSnowClimate changeContext (archaeology)EcologyFisheryPopulationGeographyEnvironmental scienceGlobal warmingBiotaEcosystemEcological nichePhysical geographyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract The cascading effects of rapid climate change is a reality with which all biota are challenged. In this context, we examine the spatiotemporal probability of occurrence of snow crab as a means to express viable habitat. This is attempted for three demographic components, morphometrically mature males and females and immature adolescent crab in the Scotian Shelf region of the northwest Atlantic, Canada. We use a robust approach, known as Conditional AutoRegressive models, to define viable habitat. Further, we focus upon viable habitat, conditioned on the marginal influence of temperature and depth as they are known to be important constraints on snow crab. We observe some niche partitioning in terms of depth and temperature. We also note declines in viable habitat marginal to depth and temperature since 2010 for all demographic groups. This population representing the southern-most distribution of snow crab in the northwest Atlantic are vulnerable to degradation of viable habitat attributable to rapid climate change. One-Sentence Summary Rapid climate change and a decadal scale change in the viable habitat of snow crab of the Scotian Shelf ecosystem.

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 enseignants0,121
Score d'incertitude au seuil0,241

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)0,0020,000

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 Opus0,013
Tête enseignante GPT0,210
Écart entre enseignants0,198 · 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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetSpecies Distribution and Climate Change→Travaux en français237 207→