The Use of Kernel Density Estimation With a Bio-Physical Model Provides a Method to Quantify Connectivity Among Salmon Farms: Spatial Planning and Management With Epidemiological Relevance
Notice bibliographique
Résumé
Connectivity in an aquatic setting is determined by a combination of hydrodynamic circulation and the biology of the organisms driving linkages. These complex processes can be simulated in coupled biological-physical models. The physical model refers to an underlying circulation model defined by spatially-explicit nodes, often incorporating a particle-tracking model. The particles can then be given biological parameters or behaviors (such as maturity and/or survivability rates, diel vertical migrations, avoidance, or seeking behaviors). The output of the bio-physical models can then be used to quantify connectivity among the nodes emitting and/or receiving the particles. Here we propose a method that makes use of kernel density estimation (KDE) on the output of a particle-tracking model, to quantify the infection or infestation pressure (IP) that each node causes on the surrounding area. Because IP is the product of both exposure time and the concentration of infectious agent particles, using KDE (which also combine elements of time and space), more accurately captures IP. This method is especially useful for those interested in infectious agent networks, a situation where IP is a superior measure of connectivity than the probability of particles from each node reaching other nodes. Here we illustrate the method by modeling the connectivity of salmon farms via sea lice larvae in the Broughton Archipelago, British Columbia, Canada. Analysis revealed evidence of two sub-networks of farms connected via a single farm, and evidence that the highest IP from a given emitting farm was often tens of kilometers or more away from that farm. We also classified farms as net emitters, receivers, or balanced, based on their structural role within the network. By better understanding how these salmon farms are connected to each other via their sea lice larvae, we can effectively focus management efforts to minimize the spread of sea lice between farms, advise on future site locations and coordinated treatment efforts, and minimize any impact of farms on juvenile wild salmon. The method has wide applicability for any system where capturing infectious agent networks can provide useful guidance for management or preventative planning decisions.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».