Accounting for a nonlinear functional response when estimating prey dynamics using predator diet data
Notice bibliographique
Résumé
Abstract Forage fish species are key in the transfer of energy from lower to upper trophic levels in marine ecosystems. Therefore, understanding their population dynamics, including population levels, is crucial for understanding productivity and the regulation of marine food webs. However, many forage fishes are poorly sampled by bottom trawl surveys, leading to poor estimates of their abundance. These estimates can be improved by using predator stomach contents as an additional sampling strategy; however, nonlinear relationships between prey abundance and predator consumption (i.e. the functional response) may bias stomach data as well. Using predator stomach contents and bottom trawl survey data, this study aimed to minimize this bias by developing a model to estimate prey dynamics and account for the predator functional response. This model was tested using a series of simulations and applied to a case study of northern sand lance Ammodytes dubius on the Grand Bank, Newfoundland, Canada. The simulations revealed that when predators consumed prey following a nonlinear functional response, our model outperformed a classical model (the model adopted by most studies) that assumed a linear functional response. In the case study, we estimated the relative abundance of sand lance from 1995 to 2018, which exhibited oscillatory dynamics with a period of approximately 7 years. Our results demonstrate that our model is capable of more accurately estimating the abundance of data‐limited prey populations, which contributes to a better understanding of food web dynamics.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».