MétaCan
Menu
Retour à la cohorte
Enregistrement W7011944284

Nuorten hylkeiden ravinto Suomenlahdella, Lounaissaaristossa sekä Merenkurkussa ja Perämerellä

2001· other· fi· W7011944284 sur OpenAlexaboutno aff

Notice bibliographique

RevueTyöväentutkimus Vuosikirja · 2001
Typeother
Languefi
DomaineEngineering
ThématiqueEngineering and Materials Science Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSample (material)Quarter (Canadian coin)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Suomen merialueella esiintyvien harmaahylkeen (Halichoerus grypus) ja norpan (Phoca hispida botnica) ravinnosta on vähän julkaistua tietoa. Tehdyt ruotsalaiset ravintotutkimukset ovat keskittyneet varsinaiselle Itämerelle ja Pohjanlahdelle sekä venäläiset tutkimukset Suomenlahdelle. Nämä tutkimukset eivät kuitenkaan koske varsinaisesti Suomen merialueita. Tämän työn tarkoituksena oli selvittää nuorten harmaahylkeiden ja norppien ravintoa Suomen merialueilla Suomenlahdella, Lounaissaaristossa sekä Merenkurkussa ja Perämerellä. Tarkastelin lajien, sukupuolten ja merialueiden välisiä eroja ravinnossa. Tietoa hylkeiden ravinnosta tarvitaan ennen kaikkea selvitettäessä hylkeiden merkitystä Itämeren kalakantojen hyödyntäjänä. Samalla saadaan taustatietoa hylkeiden aiheuttamien kalastusvahinkojen arvioimiseksi. Suojelun kannalta on tärkeää tietää esimerkiksi, ryöväävätkö nuoret hylkeet kalanpyydyksiä vai takertuvatko ja menehtyvätkö ne niihin sattumalta. Käytössäni oli osa Riista- ja kalatalouden tutkimuslaitoksen keräämää, pakastettua hylkeiden ruoansulatuskanava-aineistoa vuosilta 1986-1999. Se käsitti alle kolmevuotiaina kalanpyydyksiin kuolleita hylkeitä, yhteensä 150 harmaahyljettä ja 62 norppaa, jotka kaikki oli todettu hyväkuntoisiksi. Etsin näiden yksilöiden mahalaukuista ja suolistoista ensisijaisesti kalojen muodoltaan lajityypilliset tasapainokivet eli otoliitit, jotka kulkeutuvat tunnistettavina koko ruoansulatuskanavan läpi. Tulokset osoittivat, että suoliston sisällön analysoinnin mukaanottaminen yleisesti käytetyn maha-analyysin lisäksi kannattaa, koska sen avulla saadaan lisätietoa käytetystä ravinnosta. Sukupuolten välillä ei havaittu tilastollisesti (x2) merkitseviä eroja ravinnossa tärkeimpien kalalajien osalta. Siksi eri sukupuolten aineistot yhdistettiin. Tarkastelutapana käytin suhteellisia frekvenssejä ja esiintymisfrekvenssejä. Harmaahylkeen ravintoa voitiin tarkastella merialueittain, mutta norpan ravintoa aineiston pienuuden vuoksi vain Suomenlahden osalta. Silakka oli suosituin kalalaji molemmilla hyljelajeilla. Ravinto käsitti silakan lisäksi pääasiassa pieniä parvi- ja pohjakaloja, kuten esimerkiksi kuoretta (Osmerus eperlanus) ja kivinilkkaa (Zoarces viviparus). Norpan ravinnossa korostui lisäksi voimakkaasti kolmipiikin osuus; ainoastaan tämän saaliskalan osuudessa hyljelajien välillä oli tilastollisesti merkitsevä ero (x2 p < 0,001). Harmaahylkeen ravinto koostui eri merialueilla pääasiassa samoista lajeista, mutta lajisuhteet vaihtelivat merialueiden ominaispiirteistä johtuen. Ravintovalikoiman laajuutta ja tasaisuutta tutkin Shannonin entropialla (H', J'). Ravinnon vaihtelu harmaahylkeellä oli hieman suurempaa kuin norpalla (H'= 2,065, H'= 1,964), mutta ei aivan yhtä tasaisesti jakautunutta (J'= 0,729, J'= 0,766). Tarkastelin lisäksi aineistoa pyydyskohtaisesti Suomenlahdella ja Lounaissaaristossa lohipyydysten ja muiden pyydysten osalta sekä Merenkurkussa ja Perämerellä silakkapyydysten ja muiden pyydysten osalta, jotta nähtäisiin onko hylje syönyt kyseisen pyydyksen kalaa. Merenkurkun ja Perämeren aineisto viittasi siihen, että hylkeet ovat voineet olla ennen kuolinhetkeään syömässä silakkapyydyksistä. Päätulos kuitenkin osoitti, että alle vuoden ikäisten hylkeiden ravinnossa ei esiintynyt taimenta eikä lohta. Lohipyydystarkasteluhavainnot osoittavat myös, että nuoret hylkeet eivät olleet kuolinhetkellään syömässä kaloja lohiverkoista. Ne ovat mitä ilmeisemmin törmänneet ja hukkuneet niihin pyydystäessään pieniä parvi- ja pohjakaloja, mikä on nuorten hylkeiden suojelun kannalta erittäin tärkeä havainto. Tämä työ on osa laajempaa julkaistavaa tutkimusta, jossa tarkastellaan myös yli kolmevuotiaiden yksilöiden ravintoa.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,005

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 Opus0,010
Tête enseignante GPT0,213
Écart entre enseignants0,203 · 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
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTyöväentutkimus VuosikirjaMême sujetEngineering and Materials Science StudiesTravaux en français237 207