MétaCan
Menu
← Retour à la cohorte
Enregistrement W4385289669 · doi:10.1139/cjfas-2022-0280

Climate vulnerability for a desert fish: integrating hydrologic exposures, adaptive capacity, and growth potential

2023· article· en· W4385289669 sur OpenAlexvenueno aff
Joseph R. Benjamin, Jason B. Dunham, Kara Anlauf‐Dunn, Erika J. Eliason

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Bureau of Land ManagementU.S. Geological Survey
Mots-clésEnvironmental scienceRainbow troutTroutBioenergeticsClimate changeRespirometryAdaptive capacityVulnerability (computing)EcologyFish <Actinopterygii>BiologyFishery

Résumé

récupéré en direct d'OpenAlex

Climate vulnerability can be evaluated by multiple organismal responses. We developed a climate vulnerability framework focused on growth potential of redband trout ( Oncorhynchus mykiss newberri). We employed a bioenergetics model to evaluate spatial variability in growth potential in relation to constraints on body size imposed by stream flow, physiological responses linked to variable thermal regimes, and variation in physiological adaptive capacity inferred from field respirometry. Results indicate that maximum size (g) of redband trout increases with stream discharge. Growth potential is strongly linked to body size, with smaller individuals performing better relative to larger fish in cooler thermal regimes. Annual patterns of growth varied among sites and were related to body size and physiological adaptive capacity. Putatively cold-adapted fish were more likely to exhibit bimodal growth with peaks in spring and autumn, whereas warm-adapted fish exhibit a summer peak in growth potential. These findings offer insights into how climate vulnerability of stream-living fish can be conditioned on both stream flow and thermal regimes, and the potential for physiological adaptive capacity to influence vulnerability.

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)0,001
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 enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,030
Tête enseignante GPT0,225
Écart entre enseignants0,195 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetFish Ecology and Management Studies→Travaux en français237 207→