Statistical modelling of aquatic size spectra: integrating data from multiple taxa and sampling methods
Notice bibliographique
Résumé
Abstract Size spectra are used to assess the status and functioning of marine and freshwater ecosystems worldwide. Their use is underpinned by theory linking the dynamics of trophic interactions to a power-law decline of abundance with body size in ecological communities. Recent papers on empirical size spectrum estimation have argued for Maximum Likelihood Estimation of power-law probability distributions as a more accurate alternative to traditional linear regression approaches. One major limitation of currently used size spectrum estimators from Maximum Likelihood Estimation is that they cannot account for the use of multiple sampling protocols, nor the distortions caused by gear size selectivity, and therefore they become restricted to a relatively narrow taxonomic group and size range. Further progress in the field requires new methods that are flexible enough to combine multiple trophic groups and sampling gears into a single size spectrum estimate, while taking advantage of more accurate distributional approaches. The method we propose in this paper fills this gap by deriving the distribution of observed sizes explicitly from the underlying power-law spectrum and gear selectivity functions. It specifies likelihoods as a product of two components: (i) the probability of belonging to a given group and (ii) the probability distribution within the group. Using Bayesian estimation, we applied the method to surveys of phytoplankton, zooplankton, and fishes in lakes of Quetico Provincial Park, northwestern Ontario, using Van Dorn samplers, zooplankton nets, gillnets, and hydroacoustics. The results show that the spectra estimated from subsets of trophic groups or gears are weak predictors of more complete spectra, highlighting the importance of using more inclusive community data. The two-component partitioning of likelihoods also helped demonstrate the existence of between-group spectrum slopes that were overall steeper than within-group slopes, indicating that heterogeneity of trophic transfers across the size spectrum is an important factor structuring these ecosystems.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».