MétaCan
Menu
Retour à la cohorte

THE IMPACT OF HABITAT SELECTION ON THE SPATIAL HETEROGENEITY OF RESOURCES IN VARYING ENVIRONMENTS

2000· article· en· W2087349806 sur OpenAlexaff
Peter A. Abrams

Notice bibliographique

RevueEcology · 2000
Typearticle
Langueen
DomaineMedicine
ThématiqueMathematical and Theoretical Epidemiology and Ecology Models
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPredationEcologySpatial heterogeneityHabitatResource (disambiguation)PopulationSelection (genetic algorithm)LagOverexploitationBiologyDemographyComputer science

Résumé

récupéré en direct d'OpenAlex

This article used a series of simple models to examine the population dynamics of two independently reproducing resource populations in spatially distinct patches, when the resources are eaten by a fixed consumer population that moves adaptively between the patches. The models assumed that each resource (patch) experienced a potentially different set of environmental influences on its growth rate. The models also assumed that consumer distribution shifted more rapidly toward the more rewarding patch as the difference in resource intake rates between the patches increased. In most cases, the time-average of spatial heterogeneity of resource densities is greatest for intermediate rates of consumer movement. The average resource densities and consumer fitness are also frequently maximal when movement rates are intermediate. Intermediate movement rates allow enough of a lag in consumer redistribution that resources periodically escape overexploitation. Resource densities and heterogeneity may increase by a large factor as the rate of consumer movement (or the sensitivity of consumer movement to differences in intake rates) increases. These findings were used to discuss the potential effects of predators that interfere with habitat selection by their prey. Such predators may have positive or negative effects on the density of their prey and of their prey's resources. Predators may also either increase or decrease the spatial heterogeneity of resource densities.

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)0,009
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 enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,291
Écart entre enseignants0,272 · 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

Citations71
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcologyMême sujetMathematical and Theoretical Epidemiology and Ecology ModelsTravaux en français237 207