The Application of a Mathematical Model to Evaluate the Effectiveness of Control Strategies Against Ciona intestinalis in Mussel Production
Notice bibliographique
Résumé
The Prince Edward Island (PEI) mussel industry has faced challenges associated with invasive tunicate species over the past two decades. Field experiments to find suitable mitigation strategies require considerable time and are resource intensive. This study demonstrates the application of a mathematical model to assess several control strategies against Ciona intestinalis populations under different temperature conditions in a mussel production area in PEI. A temperature dependent compartmental model was used to model the total abundance of C. intestinalis. Each mitigation strategy was defined in terms of a combination of timing and frequency of treatments. Various strategies were explored to obtain the combination that maximized the difference in predicted abundances between the control (untreated) and the different mitigation strategies. Treatment frequency was allowed to vary between one to four times over a given production year. The model was assessed under baseline conditions, which mimicked water temperatures from Georgetown Harbour, PEI, in 2008; and also, under scenarios that reflected prolonged summer or warm spring temperatures. Furthermore, the sensitivity of the model to variations in presumed treatment efficacy was evaluated. The use of all four available treatments, starting around the first week of July and correctly timed thereafter, provided the most effective strategy, assuming the baseline temperature scenario. However, the effectiveness of this mitigation strategy depended on temperature conditions. The mathematical model developed in this study allows decision makers to optimize different strategies to control the abundance of C. intestinalis in mussel production areas under different environmental conditions. In addition, the modelling framework developed could be adapted to simulate comparable ectoparasitic infestation in aquatic environments.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».