Modelling feeding, growth, and habitat selection in larval Atlantic cod (<i>Gadus morhua</i>): observations and model predictions in a macrocosm environment
Notice bibliographique
Résumé
Individual-based models (IBMs) integrate behavioural, physiological, and developmental features and differences among individuals. Building on previous process-based models, we developed an IBM of larval Atlantic cod (Gadus morhua) that included foraging, size-, temperature-, and food-limited growth, and environmental factors such as prey-field, turbulence, and light. Direct comparison between larval fish IBMs and experimental studies is lacking. Using data from a macrocosm study on growth and feeding of larval cod, we forced the model with observed temperature and prey-field and compared model predictions with observed distribution, diet, size-at-age, and specific growth rates. We explored implications of habitat selection rules on predicted growth rates. We analyze the sensitivity of model predictions by the Latin Hypercube Sampling method and individual parameter perturbation. Food limitation prevented larvae from growing at their physiological maximum, especially in the period 5–17 days post hatch (DPH). Active habitat selection had the potential to enhance larval growth rates. The model predicted temperature-limited growth rates for first-feeding larvae (5–20 DPH) when prey density is >5 nauplii·L–1. After age 20 DPH, maximum modelled growth required a diet of copepodites. Simulated growth rates were close to observed values except for the period just after the start of exogenous feeding when prey density was low.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».