MétaCan
Menu
Retour à la cohorte
Enregistrement W4376615345 · doi:10.3389/fmars.2023.1111466

Impact of vessel noise on feeding behavior and growth of zooplanktonic species

2023· article· en· W4376615345 sur OpenAlexafffund
Ariane Aspirault, Gesche Winkler, Aurélie Jolivet, Céline Audet, Laurent Chauvaud, Francis Juanes, Frédéric Olivier, Réjean Tremblay

Notice bibliographique

RevueFrontiers in Marine Science · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensUniversity of VictoriaUniversité du Québec à Rimouski
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesFonds Québécois de la Recherche sur la Nature et les Technologies
Mots-clésBrachionusPlanktonMetamorphosisBiologyBlue musselZooplanktonRotiferPomacentridaeMytilusFisheryEcologyCoral reefOceanographyLarvaCoral reef fish

Résumé

récupéré en direct d'OpenAlex

Anthropogenic noise is a pervasive feature of the coastal ocean soundscape and is intensifying as vessel traffic activity increases. Low-frequency sounds from wave action on coastal reefs or anthropogenic noise have been shown to initiate larval settlement of marine invertebrates and accelerate metamorphosis to juvenile stages. These results suggest that some planktonic species can perceive and be impacted by anthropogenic sound. Hence, we tested the hypothesis that vessel noise has an impact on the feeding behavior of blue mussel ( Mytilus edulis ) veligers and of the copepod Eurytemora herdmani as well as on the growth of the rotifer Brachionus plicatilis. The results show that microalgae and feeding behavior of early life stages of mussels and copepods are not influenced by the presence of vessel noise. The growth of the rotifers was similar between the two sound treatments, but rotifers’ egg production in the absence of vessel noise was higher and eggs were also larger. Our results suggest that the effects of noise on plankton are complex; much more work is needed to unravel these often subtle effects.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,015
Score d'incertitude au seuil0,418

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,256
Écart entre enseignants0,240 · 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 tête enseignante, 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

Citations13
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Marine ScienceMême sujetMarine animal studies overviewTravaux en français237 207