MétaCan
Menu
← Retour à la cohorte
Enregistrement W4237289053 · doi:10.7287/peerj.preprints.544

Estimation of predator-prey mass ratios using stable isotopes: sources of errors

2014· preprint· en· W4237289053 sur OpenAlexaff
Eric Hertz, James P. W. Robinson, Marc Trudel, Asit Mazumder, Julia K. Baum

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueIsotope Analysis in Ecology
Établissements canadiensFisheries and Oceans CanadaUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésTrophic levelFood webPredationStable isotope ratioPredatorStability (learning theory)Environmental scienceIsotope analysisApex predatorBaseline (sea)Constraint (computer-aided design)StatisticsEcologyMathematicsBiologyFisheryPhysicsComputer science

Résumé

récupéré en direct d'OpenAlex

In aquatic systems, the ratio of predator mass to prey mass (PPMR) is an important constraint on food web structure, and has been correlated with environmental stability. One common approach of estimating PPMR uses nitrogen stable isotopes (δ15N) as an indicator of trophic position, under the assumption that the discrimination between diet and tissue is constant with increasing diet δ15N (an additive approach). However, recent studies have shown that this assumption may not be valid, and that there is a negative trend between the δ15N of the diet and the discrimination value (a scaled approach). We estimated PPMR for a simulated food web using the traditional additive approach and improved scaled approach, before testing our predictions with isotope samples from a North Sea food web. Our simulations show that the additive approach gives incorrect estimates of PPMR, and these biases are reflected in North Sea PPMR estimates. The extent of the bias is dependent on the baseline δ15N and trophic level sampled, with the greatest differences for samples with low baseline δ15N sampled at lower trophic levels. The scaled approach allows for the comparison of PPMR across varying δ15N baselines and trophic levels, and will refine estimates of PPMR.

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)0,013
score de la tête « metaresearch » (Gemma)0,054
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,054
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,017
Tête enseignante GPT0,260
Écart entre enseignants0,242 · 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
GenreMéthodes

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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIsotope Analysis in Ecology→Travaux en français237 207→