MétaCan
Menu
Retour à la cohorte
Enregistrement W6965027672 · doi:10.3389/fmars.2023.1031485.s001

DataSheet_1_Quantifying the effects of extreme events and oceanographic variability on the spatiotemporal biomass and distribution of two key euphausiid prey species.docx

2023· dataset· en· W6965027672 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2023
Typedataset
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological Modeling and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiomass (ecology)FishingMarine ecosystemEcosystemSpring bloomSea surface temperatureClimate changeKrill

Résumé

récupéré en direct d'OpenAlex

<p>Euphausiids form a critical component of oceanic food chains and individual species vary in their responses to perturbation events. We aimed to establish if patterns of fine scale oceanographic variability and larger-scale climate events such as marine heatwaves (MHWs) could be linked with spring variability in the biomass of two key forage species in the northeast Pacific Ocean, Euphausia pacifica and Thysanoessa spinifera. To achieve this, we used long-term datasets from the west coast of Vancouver Island Canada, an important commercial fishing area, to first quantify interannual signals of variability in fine-scale oceanographic conditions using multivariate analysis. We then used geostatistical spatiotemporal modelling to quantify the effects on species-specific euphausiid biomass. Oceanographic data showed that the effects of warm events are not always observable, and effects vary across small spatial scales. Warming due to the 2014-2016 MHW was relatively mild on the continental shelf during spring (<1°C above climatology). Spring biomass of euphausiids, particularly E. pacifica, peaked in 2015, and all euphausiid groups analysed (E. pacifica, T. spinifera and total euphausiids) exhibited significant correlations with positive phases of the Pacific Decadal Oscillation. These results have implications for marine predators as euphausiids may act as system stabilisers in the northeast Pacific, thereby potentially increasing ecosystem resilience during extreme events.</p>

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,799
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,071
Tête enseignante GPT0,255
Écart entre enseignants0,184 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetGeological Modeling and AnalysisTravaux en français237 207