MétaCan
Menu
Retour à la cohorte
Enregistrement W4400847784 · doi:10.1093/plankt/fbae039

Spring resting egg production of the calanoid copepod, <i>Eurytemora affinis</i>, in a freshet-dominated estuary

2024· article· en· W4400847784 sur OpenAlexafffundabout
Joanne Breckenridge, Evgeny A. Pakhomov

Notice bibliographique

RevueJournal of Plankton Research · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensUniversity of British ColumbiaFisheries and Oceans Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésOverwinteringCopepodBiologyEstuaryPopulationDiapauseEcologyAbundance (ecology)CrustaceanLarva

Résumé

récupéré en direct d'OpenAlex

Abstract Seasonal peaks in river discharge, such as snowmelt-dominated freshets, are predictable events that can have a large effect on flushing rates and salinity in estuaries. Resting eggs, which many coastal and estuarine copepods produce for overwintering or aestivation, could also serve to bridge predictable peaks in river discharge. We assessed the timing of resting egg production of the egg-carrying estuarine copepod, Eurytemora affinis (Poppe), in relation to river discharge in the Fraser River Estuary, Canada. Approximately 30 field-collected females were individually incubated on 12 occasions over the period February 2015–May 2016. Eurytemora affinis abundance and population structure were investigated from vertical net tow samples collected twice monthly to monthly. Resting eggs occurred primarily in May 2015 and May 2016 (6.5 and 9.2 eggs day−1, respectively), a month prior to peak flows, and the proportion of offspring that were resting eggs increased with river discharge. Eurytemora affinis reached a minimum abundance in July 2015, when the population was dominated by adults (86%). Resting egg production in E. affinis is typically considered an overwintering mechanism but we suggest that the ultimate driver of resting egg production in this population is avoidance of flushing and/or low salinities.

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)0,005
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,195
Score d'incertitude au seuil0,891

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,035
Tête enseignante GPT0,316
Écart entre enseignants0,281 · 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

Citations0
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Plankton ResearchMême sujetMarine and fisheries researchTravaux en français237 207