MétaCan
Menu
Retour à la cohorte
Enregistrement W4316465984 · doi:10.3390/w15020350

Seasonal Changes in Upper Thermal Tolerances of Freshwater Thai Fishes

2023· article· en· W4316465984 sur OpenAlexaff
Sampan Tongnunui, Treerat Sooksawat, Charoonroj Chotwiwatthanakun, Weerayuth Supiwong, Amnuay Wattanakornsiri, F. W. H. Beamish

Notice bibliographique

RevueWater · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhysiological and biochemical adaptations
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésCritical thermal maximumDry seasonWet seasonClimate changeEnvironmental scienceHeat stressHabitatBiologyEcologyAnimal scienceAcclimatization

Résumé

récupéré en direct d'OpenAlex

Seasonal change inferred to climate change inevitably influences Critical thermal maximum (CTmax) of riverine fishes. In this study, we investigated CTmax as thermal tolerance for four common riverine fishes, i.e., Danio regina, Channa gachua, Rasbora caudimaculata and Mystacoleucus chilopterus, in the Kwae Noi river system in western Thailand. The acute thermal tolerance was lower in the wet season (mean river temperature ∼25 °C) and higher in the dry season (mean river temperature ∼23 °C) with medians of wet season-CTmax for those four fishes of 35.3 ± 0.4, 36.2 ± 0.5, 37.3 ± 0.5 and 37.5 ± 0.6 °C, respectively, and high values of dry season-CTmax of 37.4 ± 0.5, 38.3 ± 0.5, 38.7 ± 0.7 and 39.1 ± 0.5 °C, respectively. The variations of CTmax for all of the four species in this study, throughout the wet and dry seasons, attribute to their seasonal plasticity in response to the dynamics of thermal stress. Under climate variability and climate change with increasing the higher temperatures of air and river, and altering the habitat, R. caudimaculata and M. chilopterus had higher capacities to tolerate the acute heat stress across wet and dry seasons.

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)0,000
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 enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,215
Écart entre enseignants0,197 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetPhysiological and biochemical adaptationsTravaux en français237 207