MétaCan
Menu
Retour à la cohorte
Enregistrement W3032794116 · doi:10.1080/17513758.2020.1771442

Contrasting stoichiometric dynamics in terrestrial and aquatic grazer–producer systems

2020· article· en· W3032794116 sur OpenAlexafffund
Colleen M. Davies, Hao Wang

Notice bibliographique

RevueJournal of Biological Dynamics · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEcologyEnvironmental scienceTerrestrial ecosystemAquatic ecosystemEcological stoichiometryTerrestrial plantBiologyEcosystem

Résumé

récupéré en direct d'OpenAlex

The turnover rate of producer biomass in aquatic ecosystems is generally faster than in terrestrial. That is, aquatic producer biomass grows, is consumed, and is replaced considerably faster than terrestrial. The WKL model describes the flow of phosphorus and carbon through a grazer-producer system, hence varying the model parameters allows for analysis of different ecosystems of this type. Here we explore the impacts of the intrinsic growth rate of the producer and the maximal ingestion rate of the grazer on these dynamics because these parameters determine turnover rate. Simulations show that for low intrinsic growth rate and maximal ingestion rate, the grazer goes extinct; for higher values of these parameters, coexistence occurs in oscillations. Sensitivity analysis reveals the relative importance of all parameters on asymptotic dynamics. Lastly, the impacts of changing these two parameters in the LKE model appears to be quantitatively similar to the impacts in the WKL model.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,257
Score d'incertitude au seuil0,215

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,241
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Biological DynamicsMême sujetRuminant Nutrition and Digestive PhysiologyTravaux en français237 207