MétaCan
Menu
← Retour à la cohorte
Enregistrement W2024601099 · doi:10.1139/cjfas-2012-0375

A spatial age-structured model for describing sea lamprey (<i>Petromyzon marinus</i>) population dynamics

2013· article· en· W2024601099 sur OpenAlexfundvenueno aff
Jason M. Robinson, Michael J. Wilberg, Jean V. Adams, Michael L. Jones

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesFisheries and Oceans CanadaU.S. Fish and Wildlife Service
Mots-clésPetromyzonLampreyAbundance (ecology)PopulationEcologyLarvaFisheryBiologyPopulation modelSpatial ecologyGeographyDemography

Résumé

récupéré en direct d'OpenAlex

The control of invasive sea lampreys (Petromyzon marinus) presents large-scale management challenges in the Laurentian Great Lakes. No modeling approach has been developed that describes spatial dynamics of lamprey populations. We developed and validated a spatial and age-structured model and applied it to a sea lamprey population in a large river in the Great Lakes basin. We considered 75 discrete spatial areas, included a stock–recruitment function, spatial recruitment patterns, natural mortality, chemical treatment mortality, and larval metamorphosis. Recruitment was variable, and an upstream shift in recruitment location was observed over time. From 1993 to 2011, recruitment, larval abundance, and the abundance of metamorphosing individuals decreased by 80%, 84%, and 86%, respectively. The model successfully identified areas of high larval abundance and showed that areas of low larval density contribute significantly to the population. Estimated treatment mortality was less than expected but had a large population-level impact. The results and general approach of this work have applications for sea lamprey control throughout the Great Lakes and for the restoration and conservation of native lamprey species globally.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,020
Tête enseignante GPT0,197
Écart entre enseignants0,177 · 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'étudeSimulation ou modélisation
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

Citations17
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetFish Ecology and Management Studies→Travaux en français237 207→