MétaCan
Menu
← Retour à la cohorte
Enregistrement W3081925880 · doi:10.20381/ruor-25125

Seasonal Variation in a Predator-Predator-Prey Model

2020· dissertation· en· W3081925880 sur OpenAlexaboutno aff
Noah Bolohan

Notice bibliographique

RevueuO Research (University of Ottawa) · 2020
Typedissertation
Langueen
DomaineMedicine
ThématiqueMathematical and Theoretical Epidemiology and Ecology Models
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPredatorPredationVariation (astronomy)EcologyApex predatorBiologyEnvironmental scienceGeographyPhysics

Résumé

récupéré en direct d'OpenAlex

Seasonal shifts in predation habits, from a generalist in the summer to a specialist in the winter, have been documented for the great horned owl (Bulbo virginialis) in the boreal forest. This shift occurs largely due to varying prey availability. There is little study of this switching behaviour in the current literature. Since season length is predicted to change under future climate scenarios, it is important to understand resulting effects on species dynamics. Previous work has been done on a two-species seasonal model for the great horned owl and its focal prey, the snowshoe hare (Lepus americanus). In this thesis, we extend the model by adding one of the hare's most important predators, the Canadian lynx (Lynx canadensis). We study the qualitative behaviour of this model as season length changes using tools and techniques from dynamical systems. Our main approach is to determine when the lynx and the owl may invade the system at low density and ask whether mutual invasion of the predators implies stable coexistence in the three-species model. We observe that, as summer length increases, mutual invasion is less likely, and we expect to see extinction of the lynx. However, in all cases where mutual invasion was satisfied, the three species stably coexist.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,342
Écart entre enseignants0,274 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueuO Research (University of Ottawa)→Même sujetMathematical and Theoretical Epidemiology and Ecology Models→Travaux en français237 207→