MétaCan
Menu
Retour à la cohorte
Enregistrement W2091005934 · doi:10.1086/498432

Can Environmental Variation Generate Positive Indirect Effects in a Model of Shared Predation?

2005· article· en· W2091005934 sur OpenAlexaff
Chad E. Brassil

Notice bibliographique

RevueThe American Naturalist · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAnimal Ecology and Behavior Studies
Établissements canadiensToronto ZooUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPredationPredatorIndirect effectBiologyCompetition (biology)Range (aeronautics)Per capitaPopulationEcologyDensity dependenceFunctional responseDemography

Résumé

récupéré en direct d'OpenAlex

Classic models of apparent competition predict negative indirect effects between prey with a shared enemy. If predator per capita growth rates are nonlinear, then endogenously generated periodic cycles are predicted to generate less negative or even positive indirect effects between prey. Here I determine how exogenous mechanisms such as environmental variation could modify indirect effects. I find that exogenous variation can have a broader range of effects on indirect interactions than endogenously generated cycles. Indirect effects are altered by environmental variation even in simple models for which the per capita growth rate of the predator species is a linear function of population densities. Temporal variation that affects the predator attack rate or the conversion efficiency can lead to large increases or decreases in the indirect effects between prey, dependent on how prey populations co-vary with the environmental variation. Positive indirect effects can occur when the period of environmental variation is close to the natural period of the biological system and shifts in subharmonic resonance occur with the addition of the second prey. Models that include nonlinear numerical responses generally lead to indirect effects that are sensitive to environmental variation in more parameters and across a wider range of frequencies.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,467
Score d'incertitude au seuil0,262

Scores Codex et Gemma par catégorie

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

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 Opus0,007
Tête enseignante GPT0,230
Écart entre enseignants0,222 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations26
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe American NaturalistMême sujetAnimal Ecology and Behavior StudiesTravaux en français237 207