MétaCan
Menu
Retour à la cohorte
Enregistrement W4394769737 · doi:10.1016/j.seares.2024.102497

Evaluation of light traps for sampling lobster larvae in the German Bight, North Sea

2024· article· en· W4394769737 sur OpenAlexaboutno aff
Laura Leiva, Luis Giménez, Maarten Boersma

Notice bibliographique

RevueJournal of Sea Research · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCrustacean biology and ecology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPlanktonBenthic zonePelagic zoneOceanographyBiologyFisheryPopulationInvertebrateCrustaceanLarvaEcologyGeology

Résumé

récupéré en direct d'OpenAlex

Biological monitoring of planktonic animals is greatly dependent on the deployment of traps. A variety of specialized traps have been designed for surface plankton and vertebrates. However, certain groups, such as planktonic larvae of benthic marine invertebrates remain underrepresented in sampling efforts. Catching them has proven to be more challenging because of their size, swimming ability, location, and abundance. In the present study a successful light trap for sampling American lobster larvae in New Brunswick, Canada, is evaluated on the island of Helgoland (German Bight, North Sea). Our results showed the traps were successful in catching larvae in laboratory experiments but were unable to catch European lobster larvae in the field. Traps deployed in the field were successful in capturing other benthic and pelagic zooplankton predominantly consisting of crustaceans from the orders: Cumacea, Amphipoda, Mysida and Isopoda. The low density of lobster larvae, the island's topography, and their unique photactic response possibly limited the success rate of the light traps. Future research is needed to construct a specialized trap to sample Helgoland's lobster larvae and provide information on the current larval fitness and population numbers.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,034
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0000,000
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 Opus0,176
Tête enseignante GPT0,435
Écart entre enseignants0,259 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sea ResearchMême sujetCrustacean biology and ecologyTravaux en français237 207