Percent ash‐free dry weight as a robust method to estimate energy density across taxa
Notice bibliographique
Résumé
Abstract Determining how energy flows through ecosystems reveals underlying ecological patterns that drive processes such as growth and food web dynamics. Models that assess the transfer of energy from producers to consumers require information on the energy content or energy density (ED) of prey species. ED is most accurately measured through bomb calorimetry, but this method suffers from limitations of cost, time, and sample requirements that often make it unrealistic for many studies. Percent dry weight (DW) is typically used as a proxy for ED, but this measure includes an indigestible portion (e.g., bones, shell, salt) that can vary widely among organisms. Further, several distinct models exist for various taxonomic groups, yet none can accurately estimate invertebrate, vertebrate and plant ED with a single equation. Here, we present a novel method to estimate the ED of organisms using percent ash‐free dry weight (AFDW). Using data obtained from 11 studies diverse in geographic, temporal and taxonomic scope, AFDW, DW as well as percent protein and percent lipid were compared as predictors of ED. Linear models were produced on a logarithmic scale, including dummy variables for broad taxonomic groups. AFDW was the superior predictor of ED compared to DW, percent protein content and percent lipid content. Model selection revealed that using correction factors (dummy variables) for aquatic animals (AA) and terrestrial invertebrates (TI) produced the best‐supported model—log 10 (ED) = 1.07*log 10 (AFDW) − 0.80 ( R 2 = 0.978, p < .00001)—with an intercept adjustment of 0.09 and 0.04 for AA and TI, respectively. All models including AFDW as a predictor had high predictive power ( R 2 > 0.97), suggesting that AFDW can be used with high degrees of certainty to predict the ED of taxonomically diverse organisms. Our AFDW model will allow ED to be determined with minimal cost and time requirements and excludes ash‐weight from estimates of digestible mass. Its ease of use will allow for ED to be more readily and accurately determined for diverse taxa across different 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 | 0,010 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».