Integrating complementary methods to improve diet analysis in fishery‐targeted species
Notice bibliographique
Résumé
Abstract Developing efficient, reliable, cost‐effective ways to identify diet is required to understand trophic ecology in complex ecosystems and improve food web models. A combination of techniques, each varying in their ability to provide robust, spatially and temporally explicit information can be applied to clarify diet data for ecological research. This study applied an integrative analysis of a fishery‐targeted species group—Plectropomus spp. in the central Great Barrier Reef, Australia, by comparing three diet‐identification approaches. Visual stomach content analysis provided poor identification with ~14% of stomachs sampled resulting in identification to family or lower. A molecular approach was successful with prey from ~80% of stomachs identified to genus or species, often with several unique prey in a stomach. Stable isotope mixing models utilizing experimentally derived assimilation data, identified similar prey as the molecular technique but at broader temporal scales, particularly when prior diet information was incorporated. Overall, Caesionidae and Pomacentridae were the most abundant prey families (>50% prey contribution) for all Plectropomus spp., highlighting the importance of planktivorous prey. Less abundant prey categories differed among species/color phases indicating possible niche segregation. This study is one of the first to demonstrate the extent of taxonomic resolution provided by molecular techniques, and, like other studies, illustrates that temporal investigations of dietary patterns are more accessible in combination with stable isotopes. The consumption of mainly planktivorous prey within this species group has important implications within coral reef food webs and provides cautionary information regarding the effects that changing resources could have in reef ecosystems.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».