MétaCan
Menu
← Retour à la cohorte
Enregistrement W4417408602 · doi:10.1139/cjfas-2025-0109

Migration water temperature and heat stress assessments in western Alaska Chinook salmon overlapping the 2019 heatwave

2025· article· en· W4417408602 sur OpenAlexvenueaboutno aff
Vanessa R. von Biela, Amy M. Regish, Stephen D. McCormick, Joseph Spaeder, Justin Leon, Daniel Gillikin, Zachary W. Liller, Renae Ivanoff, Jenefer Bell, Sean Larson, Michael P. Carey, Christian E. Zimmerman

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Fish and Wildlife Foundation
Mots-clésChinook windTributaryHeat stressClimate changeRange (aeronautics)PopulationAir temperature

Résumé

récupéré en direct d'OpenAlex

Chinook salmon population declines span their geographic range with climate hypothesized as a major driver. Concerns of warming freshwater temperatures in their northern range gained urgency during 2019 when a heatwave coincided with premature mortality. This study examined heat stress during the 2019 heatwave compared to subsequent years and described water temperatures in western Alaska to understand the degree to which freshwater temperatures may be a stressor. Heat stress was prevalent among Chinook salmon captured in the 2019 heatwave (Kuskokwim tributaries: 90% in Kwethluk and 63% Takotna river), and variable in subsequent years (∼8% to 60% across Kuskokwim tributaries and Norton Sound rivers). A review of water temperature data indicated that potentially stressful temperatures (≥18 °C) were most common and prolonged in the Yukon River, moderately common and prolonged in the Kuskokwim River, and relatively rare in the Norton Sound region. Water temperatures in 2019 broke several records for overall maximum and frequency of temperatures ≥ 18 °C. Migration water temperatures and heat stress in northern Pacific salmon habitats vary more widely than previously recognized (up to 25 °C).

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)0,000
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 enseignants0,106
Score d'incertitude au seuil0,211

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
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 Opus0,008
Tête enseignante GPT0,221
Écart entre enseignants0,213 · 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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetFish Ecology and Management Studies→Travaux en français237 207→