MétaCan
Menu
← Retour à la cohorte
Enregistrement W4404470810 · doi:10.1139/cjfas-2023-0312

Increased use of mud bottom by juvenile American lobsters (<i>Homarus americanus</i>) in Maces Bay and Seal Cove, Bay of Fundy, after three decades of population increases and predator declines

2024· article· en· W4404470810 sur OpenAlexafffundvenue
Kristin M. Dinning, Peter Lawton, Rémy Rochette

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensFisheries and Oceans CanadaUniversity of New Brunswick
Organismes subventionnairesFisheries and Oceans CanadaNew Brunswick Innovation Foundation
Mots-clésCoveHomarusBayAmerican lobsterFisheryJuvenilePopulationBiologyPredatorSeal (emblem)PredationApex predatorDecapodaCrustaceanOceanographyGeographyEcologyGeology

Résumé

récupéré en direct d'OpenAlex

In the Bay of Fundy, American lobster ( Homarus americanus) abundance has soared since the early 1990s, and predators have declined, either of which could have caused juvenile lobster populations in preferred hard-bottom habitat to expand onto less-protective mud bottom. To investigate whether juvenile lobsters have increased use of mud bottom, we used scuba surveys (1989–2021) in Maces Bay and Seal Cove, in the Bay of Fundy. Whereas the 1990s surveys found no juveniles on mud at either site (though they were present on hard bottom), in subsequent decades, juveniles inhabited mud burrows at densities of 0.00039 m–2 to 0.0081 m–2. In Maces Bay, mud occupancy occurred after juvenile density increases on hard bottom, but evidence was mixed as to whether increased competition within hard-bottom habitat drove this change. Concurrent cod, haddock, hake, and wolffish declines suggest reduced predation also increased occupancy and survival on mud. Although it supports low juvenile densities, mud habitat may contribute to recruitment given its prevalence, particularly as warming seas allow lobster recruitment into cooler, deeper water over mud bottom.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,901
Score d'incertitude au seuil0,196

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
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,016
Tête enseignante GPT0,240
Écart entre enseignants0,224 · 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

Citations0
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine and fisheries research→Travaux en français237 207→