Do spatial models of growth rate potential reflect fish growth in a heterogeneous environment? A comparison of model results
Notice bibliographique
Résumé
Abstract – Spatial models of fish growth rate potential have been used to characterize a variety of environments including estuaries, the North American Great Lakes, small lakes and rivers. Growth rate potential models capture a snapshot of the environment but do not include the effects of habitat selection or competition for food in their measures of environment quality. Here, we test the ability of spatial models of fish growth rate potential to describe the quality of an environment for a fish population in which individual fish may select habitats and local competition may affect per capita intake. We compare growth rate potential measurements to simulated fish growth and distributions of model fish from a spatially explicit individual‐based model of fish foraging in the same model environment. We base the model environment on data from Lake Ontario and base the model fish population on alewife in the lake. The results from a simulation experiment show that changes in the model environment that caused changes in the average growth rate potential correlated extremely highly ( r 2 ≥0.97) with changes in simulated fish growth. Unfortunately, growth rate potential was not a reliable quantitative predictor of simulated fish growth nor of the fish spatial distribution. The inability of the growth rate potential model to quantitatively predict simulated fish growth and fish distributions results from the fact that growth rate potential does not consider the effects of habitat selection or of competition on fish growth or distribution, processes that operate in our individual‐based model and presumably also operate in nature. The results, however, do support the use of growth rate potential models to describe the relative quality of habitats and environments for fish populations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».