General empirical models for predicting the release of nutrients by fish, with a comparison between detritivores and non‐detritivores
Notice bibliographique
Résumé
Summary 1. We derived models of nutrient release [nitrogen (N) and phosphorus (P)] by fish based on studies that directly measured the release rates from 56 species across a broad range of fish mass, feeding histories and temperature. 2. We developed four separate models of nutrient release from multiple regression analysis: detritivore release rates of N and P, and non‐detritivore release rates of N and P. 3. Fish mass explained most of the variance (78–92%) in release rates. 4. Our predicted rates of release of P by fish (g ha−1 day−1) were similar to observed rates in the literature from other lakes. 5. The influence of a shift in diet (planktivory to detritivory) by a single species (gizzard shad, Dorosoma cepedianum, a facultative detritivore) on nutrient release rates was estimated. During periods of detritivory, gizzard shad accounted for on average 39% (<1–96%) of all nutrients released by the fish assemblage, and increased total fish assemblage release rates on average by 59% (<1–331%) compared to when gizzard shad were modelled as planktivores. 6. These models provide a rapid means for predicting the release of nutrients by fish assemblages and may facilitate more comprehensive comparisons of nutrient cycling by fish with other internal pathways.
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 | 0,009 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,005 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».