MétaCan
Menu
Retour à la cohorte
Enregistrement W4400045903 · doi:10.1038/s43247-024-01515-3

Ancestral and contemporary intertidal mariculture practices support marine biodiversity in the northeast Pacific

2024· article· en· W4400045903 sur OpenAlexafffundabout
Kieran Cox, Hailey L. Davies, Ben Millard‐Martin, Morgan Black, Margot Hessing‐Lewis, Nicole Smith, Francis Juanes, Sarah E. Dudas

Notice bibliographique

RevueCommunications Earth & Environment · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine Bivalve and Aquaculture Studies
Établissements canadiensFisheries and Oceans CanadaTula FoundationUniversity of Victoria
Organismes subventionnairesPADI FoundationHakai InstituteBritish Columbia Knowledge Development FundNatural Sciences and Engineering Research Council of CanadaLiber Ero FoundationCanada Research Chairs
Mots-clésMaricultureIntertidal zoneMarine biodiversityBiodiversityFisheryGeographyOceanographyAquacultureEcologyBiologyFish <Actinopterygii>Geology

Résumé

récupéré en direct d'OpenAlex

Abstract The cultivation of seafood now outpaces extraction from wild populations. This novel state in the history of human-marine ecosystem interactions highlights the importance of identifying cultivation practices that balance production and conservation. Here, we test the hypothesis that two shellfish cultivation practices, one that spans decades and the other millennia, bolsters habitat complexity, which increases epifaunal (surface) invertebrate diversity. To do so, we conducted multiple surveys of 24 First Nations clam gardens, shellfish aquaculture farms, and non-walled or unmodified beaches along the west coast of Canada. We show that habitat alterations specific to each cultivation practice restructure epifaunal communities at several ecological and spatial scales. Distinct communities within clam gardens and shellfish farms are a function of habitat complexity at 25–50 and 50–100 cm resolutions and changes in the amount of gravel, bivalve shells, and seaweeds. Our findings highlight how resource cultivation can contribute to achieving sustainable human-ecosystem interactions.

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)0,000
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 enseignants0,481
Score d'incertitude au seuil0,892

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,041
Tête enseignante GPT0,264
Écart entre enseignants0,223 · 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

Citations3
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCommunications Earth & EnvironmentMême sujetMarine Bivalve and Aquaculture StudiesTravaux en français237 207