MétaCan
Menu
Retour à la cohorte
Enregistrement W2008345796 · doi:10.1111/mms.12118

Assessing the trophic impacts of marine mammals: From metabolism to food web indices

2014· article· en· W2008345796 sur OpenAlexaffabout
Lyne Morissette, P. F. Brodie

Notice bibliographique

RevueMarine Mammal Science · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensGreenfield Research (Canada)
Organismes subventionnairesnon disponible
Mots-clésTrophic levelFood webEcosystemMarine ecosystemEcologyFood chainBioenergeticsTrophic cascadeEcosystem modelEnvironmental scienceEnvironmental resource managementBiologyFishery

Résumé

récupéré en direct d'OpenAlex

Abstract Marine mammals are an important part of ecosystems, and their trophic role and potential impact have been increasingly studied. One key question is how these large animals interact with fisheries or compete for similar resources. Consequently, some models once used only for fisheries management are now including pinnipeds and cetaceans. However, fish and marine mammals do not share the same ecology and bioenergetics, and complex ecosystem models may not be the best way to assess the impact of pinnipeds or cetaceans in food webs. Indeed, simpler methods based on thermodynamics might give us reasonable answers with limited amounts of data. Here, we present an assessment of two different approaches to assess the trophic role of marine mammals in the northern Gulf of St. Lawrence (Canada): mixed trophic impacts ( MTI ) based on ecosystem modeling and surface index ( SI ) impact based on bioenergetics. Our results show that while modeling represents a good way of getting a holistic view of the role of marine mammals in ecosystems, trophic impact estimates based on fundamental thermodynamics principles can also give us answers requiring less data. The body surface area approach presented here might provide a practical tool for ecologists, who are not necessarily ecosystem modelers, to study this issue.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,328
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0020,008
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,021
Tête enseignante GPT0,265
Écart entre enseignants0,244 · 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'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

Citations8
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMarine Mammal ScienceMême sujetMarine animal studies overviewTravaux en français237 207