Modelling sea lice control by lumpfish on Atlantic salmon farms: interactions with mate limitation, temperature and treatment rules
Notice bibliographique
Résumé
Atlantic salmon farming is one of the largest aquaculture sectors in the world. A major impact on farm economics, fish welfare and, potentially, nearby wild salmonid populations, is the sea louse ectoparasite Lepeophtheirus salmonis. Sea louse infestations are most often controlled through application of chemicals, but in most farming regions, sea lice have evolved resistance to the small set of available chemicals. Therefore, alternative treatment methodologies are becoming more widely used. One increasingly common alternative treatment involves the co-culture of farmed salmon with cleaner fish, which prey on sea lice. However, despite their wide use, little is understood about the situations in which cleaner fish are most effective. For example, previous work suggests that a low parasite density results in sea lice finding it difficult to acquire mates, reducing fecundity and population growth. Other work suggests that environmental conditions such as temperature and external sea louse pressure have substantial impact on this mate limitation threshold and may even remove the effect entirely. We used an Agent-Based Model (ABM) to simulate cleaner fish on a salmon farm to explore interactions between sea louse mating behaviour, cleaner fish feeding rate, temperature and external sea louse pressure. We found that sea louse mating has a substantial effect on sea louse infestations under a variety of environmental conditions. Our results suggest that cleaner fish can control sea louse infestations most effectively by maintaining the population below critical density thresholds.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».