The influence of fragment type, time, and coral host genotype on early growth of nursery reared <scp><i>Acropora cervicornis</i></scp>
Notice bibliographique
Résumé
Identifying factors that influence nursery coral growth can help estimate nursery productivity and optimize yield. We examined the growth rates of Acropora cervicornis fragments from a nearshore nursery in Fort Lauderdale, Florida to determine how time after fragmentation, fragment type, donor colony nursery structure, and genotype influenced growth. Growth rates were calculated from linear extension measurements of fragments representing 10 coral host genotypes 27 and 61 days after fragmenting. Fragments were classified as apical (obtained from branch tips) or proximal (obtained midbranch), based on photographs. Donor colony nursery structure did not influence growth. A linear mixed‐effects model was performed to assess the influence of time, fragment type, and genotype on growth. Growth rates at 61 days were faster than at 27 days, and apical fragments grew faster than proximal fragments in 2 out of 10 genets at 61 days, providing some evidence for a trade‐off between growth and healing. We found no significant genet growth differences at 27 days. However, differences between genets were detected in 61‐day growth rates, suggesting that growth differences among distinct A. cervicornis genets propagated by asexual fragmentation may not emerge before 2 months, regardless of donor colony structure or fragment type. Our results suggest that restoration practitioners need not monitor growth between genets before 2 months to save resources from ongoing monitoring. In addition, scientists using coral fragments in experiments should be aware that growth differences between genets may take longer than 60 days to appear, posing some risk of confounding experimental results.
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 | 0,000 |
| 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) | 0,000 | 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 ».