MétaCan
Menu
Retour à la cohorte
Enregistrement W4319017140 · doi:10.7717/peerj.14701

Density regulation amplifies environmentally induced population fluctuations

2023· article· en· W4319017140 sur OpenAlexaff
Crispin M. Mutshinda, Aditya K. Mishra, Zoe V. Finkel, Andrew J. Irwin

Notice bibliographique

RevuePeerJ · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueMathematical and Theoretical Epidemiology and Ecology Models
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésGompertz functionPopulationDensity dependenceVariance (accounting)Population modelEconometricsStatistical physicsMathematicsStochastic modellingAutoregressive modelStatisticsPhysicsEconomics

Résumé

récupéré en direct d'OpenAlex

Background: Density-dependent regulation is ubiquitous in population dynamics, and its potential interaction with environmental stochasticity complicates the characterization of the random component of population dynamics. Yet, this issue has not received attention commensurate with its relevance for descriptive and predictive modeling of population dynamics. Here we use a Bayesian modeling approach to investigate the contribution of density regulation to population variability in stochastic environments. Methods: We analytically derive a formula linking the stationary variance of population abundance/density under Gompertz regulation in a stochastic environment with constant variance to the environmental variance and the strength of density feedback, to investigate whether and how density regulation affects the stationary variance. We examine through simulations whether the relationship between stationary variance and density regulation inferred analytically under the Gompertz model carries over to the Ricker model, widely used in population dynamics modeling. Results: The analytical decomposition of the stationary variance under stochastic Gompertz dynamics implies higher variability for strongly regulated populations. Simulation results demonstrate that the pattern of increasing population variability with increasing density feedback found under the Gompertz model holds for the Ricker model as well, and is expected to be a general phenomenon with stochastic population models. We also analytically established and empirically validated that the square of the autoregressive parameter of the Gompertz model in AR(1) form represents the proportion of stationary variance due to density dependence. Discussion: Our results suggest that neither environmental stochasticity nor density regulation can alone explain the patterns of population variability in stochastic environments, as these two components of temporal variation interact, with a tendency for density regulation to amplify the magnitude of environmentally induced population fluctuations. This finding has far-reaching implications for population viability. It implies that intense intra-specific resource competition increases the risk of environment-driven population collapse at high density, making opportune harvesting a sensible practice for improving the resistance of managed populations such as fish stocks to environmental perturbations. The separation of density-dependent and density-independent processes will help improve population dynamics modeling, while providing a basis for evaluating the relative importance of these two categories of processes that remains a topic of long-standing controversy among ecologists.

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)0,005
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
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 Opus0,046
Tête enseignante GPT0,309
Écart entre enseignants0,263 · 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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePeerJMême sujetMathematical and Theoretical Epidemiology and Ecology ModelsTravaux en français237 207