Model for growth and survival of mussels Mytilus edulis reared in Prince Edward Island, Canada
Notice bibliographique
Résumé
Mathematical models of commercially important species enable one to integrate the diversity of information on these species, understand mechanisms responsible for observed population dynamics, and assess management scenarios. We present a population model for blue mussels Mytilus edulis grown in suspended culture in 2 bays in Prince Edward Island, Canada. The model incorporates a number of ecological processes, namely allometric growth of individual mussels, temperature-dependent growth rates (based on the Lassiter-Kearns equation), and survival of mussels based on self-thinning. Analysis of our model suggests that the optimal temperature for mussel growth is 15.8C. Also, survival does not depend on site or year, indicating that self-thinning is probably due to competition for space rather than food or other site-specific conditions. Based on sensitivity analyses, growth predictions are robust to changes in parameter values, while survival predictions are quite sensitive to changes in the strength of the effect of initial mussel density and of self-thinning. Evaluation of management scenarios over one grow-out period indicates that date of deployment strongly affects time for seeds to reach commercial size. Optimal initial mussel density depends on whether one wants to maximise the proportion of mussels surviving to harvest or the number of mussels available at harvest; this decision depends on whether seed availability or lease area is limiting.
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 ».