MétaCan
Menu
Retour à la cohorte
Enregistrement W3090635531 · doi:10.1098/rsif.2020.0482

Detecting and distinguishing tipping points using spectral early warning signals

2020· article· en· W3090635531 sur OpenAlexafffund
Thomas M. Bury, Chris T. Bauch, Madhur Anand

Notice bibliographique

RevueJournal of The Royal Society Interface · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcosystem dynamics and resilience
Établissements canadiensUniversity of GuelphUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésStatistical physicsHopf bifurcationBifurcationAttractorBifurcation theorySpectral densityRobustness (evolution)Noise (video)PhysicsPopulationWarning systemMathematicsComputer scienceNonlinear systemArtificial intelligenceStatisticsMathematical analysisQuantum mechanicsBiology

Résumé

récupéré en direct d'OpenAlex

Theory and observation tell us that many complex systems exhibit tipping points-thresholds involving an abrupt and irreversible transition to a contrasting dynamical regime. Such events are commonly referred to as critical transitions. Current research seeks to develop early warning signals (EWS) of critical transitions that could help prevent undesirable events such as ecosystem collapse. However, conventional EWS do not indicate the type of transition, since they are based on the generic phenomena of critical slowing down. For instance, they may fail to distinguish the onset of oscillations (e.g. Hopf bifurcation) from a transition to a distant attractor (e.g. Fold bifurcation). Moreover, conventional EWS are less reliable in systems with density-dependent noise. Other EWS based on the power spectrum (spectral EWS) have been proposed, but they rely upon spectral reddening, which does not occur prior to critical transitions with an oscillatory component. Here, we use Ornstein-Uhlenbeck theory to derive analytic approximations for EWS prior to each type of local bifurcation, thereby creating new spectral EWS that provide greater sensitivity to transition proximity; higher robustness to density-dependent noise and bifurcation type; and clues to the type of approaching transition. We demonstrate the advantage of applying these spectral EWS in concert with conventional EWS using a population model, and show that they provide a characteristic signal prior to two different Hopf bifurcations in data from a predator-prey chemostat experiment. The ability to better infer and differentiate the nature of upcoming transitions in complex systems will help humanity manage critical transitions in the Anthropocene Era.

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)0,004
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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,012
Tête enseignante GPT0,229
Écart entre enseignants0,217 · 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

Citations90
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of The Royal Society InterfaceMême sujetEcosystem dynamics and resilienceTravaux en français237 207