Comparison of traditional and geometric morphometrics using Lake Huron ciscoes of the <i>Coregonus artedi</i> complex
Notice bibliographique
Résumé
Abstract Objective Here we determine how traditional morphometrics (TM) compares with geometric morphometrics (GM) in discriminating among morphologies of four forms of ciscoes of the Coregonus artedi complex collected from Lake Huron. Methods One of the forms comprised two groups of the same deepwater cisco separated by capture depth, whereas the other three forms were shallow-water ciscoes. Result Our three groups of shallow-water ciscoes were better separated (3% vs. 19% overlap) in principle component analysis (PCA) with TM data than with GM data incorporating semilandmarks (evenly spaced nonhomologous landmarks used to bridge between widely separated homologous landmarks). Our two deepwater cisco groups, comprising a putatively single form collected from different depths, separated more in PCAs with GM data (33% overlap) than in PCAs with TM data (66% overlap), an anomaly caused by greater decompression of the swim bladder and deformation of the body wall in the group captured at greater depths. Separation of the two deepwater cisco groups captured at different depths was not affected by the removal of semilandmarks. Assignment of forms using canonical variate analysis accurately assigned 86% of individuals using TM data, 98% of individuals using GM data incorporating semilandmarks, and 100% of individuals using GM data without semilandmarks. However, we considered assignments from the same form of deepwater cisco into separate groups as misassignments resulting from different capture depths, which reduced the accuracy of assignments with GM data incorporating semilandmarks to 66%. Conclusion Our study implies that TM will continue to have an important role in morphological discrimination within Coregonus and other fishes similarly shaped.
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 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».