Predicting eastern oyster (Crassostrea virginica) settlement using growing degree days along the north shore of Nova Scotia, Canada
Notice bibliographique
Résumé
The supply of oyster spat is crucial for the sustainability and development of the oyster aquaculture industry. While hatcheries worldwide are increasing spat production, wild spat collection remains prevalent in Atlantic Canada. Existing monitoring programs aid in wild spat collection but are costly and labour-intensive, relying on fieldwork and expert personnel. To complement monitoring programs, mathematical models with varying complexity have been used to predict the settlement of commercially valuable bivalves. These models consider various environmental parameters such as temperature, winds, tides, and food concentrations. In this study, we explore the prediction of settlement in Eastern oysters (Crassostrea virginica) using a simple Growing Degree Day (GDD) model, which considers only one parameter, temperature. The GDD model estimates Larval Development Time (LDT) based on accumulated heat units (°C·day) above a species-specific minimum temperature threshold for growth. By calibrating the model with literature data and validating it with field observations from four estuaries in Nova Scotia, we aimed to provide a tool for farmers to predict the onset of oyster settlement based on observed seawater temperature. The model effectively predicted the onset of oyster settlement based on observed seawater temperature. The GDD model is a simple and easily implementable tool that can enhance the success of wild spat collection efforts and contribute to the robustness of the oyster aquaculture industry.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».