Evaluating factors affecting the distribution and timing of Pacific herring Clupea pallasii spawn in British Columbia
Notice bibliographique
Résumé
Pacific herring Clupea pallasii spawn in nearshore areas in late winter to early spring, but factors influencing the timing and spatial distribution of spawning are not well known. We modeled the temporal and spatial distribution of spawning for 5 herring stocks in British Columbia from egg deposition surveys conducted from 1988-2018 using different sets of environmental predictors and modeling methods. Random forest modeling showed that the timing of spawning in each year was mainly influenced by the number of daylight hours being >10.5, cumulative degree days >100 and salinity at 30.5. The spatial distribution of spawning tended to occur at consistent locations over time. Results showed that the probability of spawning occurring at a transect in a given year was largely determined by the biomass of herring and location of the transect relative to the center of spawning. Environmental factors at individual transects played a much smaller role in determining spawn distribution. There was mixed evidence for spatial expansion of spawning distribution in years of high biomass, with some stocks, such as Haida Gwaii, showing no expansion of the spawning area in years of higher biomass. Since Pacific herring recruitment has been linked to their ability to time larval hatch to spring bloom timing, future warming temperatures may result in earlier herring spawning relative to the spring bloom. This will increase the probability of mismatch with prey, impacting larval herring starvation, growth and perhaps mortality, leading to reductions in recruitment to these important stocks.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».