MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399700622 · doi:10.1016/j.jglr.2024.102376

Reproducing age variability in grass carp egg samples from the lower Sandusky River, Ohio, USA, using an egg-drift model

2024· article· en· W4399700622 sur OpenAlexvenueno aff
David T. Soong, P. Ryan Jackson, Patrick M. Kočovský, Lori Morrison, Tatiana García, Santiago Santacruz, Cindy Chen, Zhenduo Zhu, Holly S. Embke

Notice bibliographique

RevueJournal of Great Lakes Research · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Environmental Protection Agency
Mots-clésIchthyoplanktonTributaryEnvironmental scienceFisheryGrass carpPelagic zoneFluvialRiver mouthFisheries managementCarpBiologyFish <Actinopterygii>GeographySedimentCartography

Résumé

récupéré en direct d'OpenAlex

Invasive grass carp (Ctenopharyngodon idella) are currently reproducing in several tributaries to Lake Erie and threatening the Great Lakes ecosystem and fisheries. Grass carp are pelagic river spawners whose fertilized eggs drift downstream from the spawning site, developing as they drift. Variability in spawning time and location together with nonuniform velocities in natural rivers leads to egg age variability in field samples at downstream sampling sites. In this study, the Fluvial Egg Drift Simulator (FluEgg) model was used to simulate the transport of grass carp eggs collected in 12 samples at 9 sites in the lower Sandusky River (Ohio, USA) on July 12, 2017, to replicate the observed variability in egg-age distributions present in field samples. The variability in egg ages in virtual samples compare well to field samples. The most plausible explanations for differences between virtual and field samples are the existence of multiple spawning locations, including a spawning area approximately 8 km upstream from the river mouth, and idealized flow fields derived from a one-dimensional hydraulic model. Despite multiple sources of uncertainty and the deficiency in prescribing detailed spawning activities in the simulations, the results validate the utility of FluEgg together with ichthyoplankton data to identify plausible spawning areas and interpret age variability in field samples. A comprehensive discussion of model limitations and ichthyoplankton sample interpretation provides guidance for those using drift models to inform management actions for control of invasive carp in North America and to protect and restore carp populations in their native range in Asia.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,125

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,106
Tête enseignante GPT0,354
Écart entre enseignants0,248 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Great Lakes Research→Même sujetFish Ecology and Management Studies→Travaux en français237 207→