MétaCan
Menu
Retour à la cohorte
Enregistrement W4395688923 · doi:10.1093/plankt/fbae016

Zooplankton seasonal vertical migration in an optimality-based plankton ecosystem model

2024· article· en· W4395688923 sur OpenAlexaboutno aff
Michal Grossowicz, Markus Pahlow

Notice bibliographique

RevueJournal of Plankton Research · 2024
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesDeutsche Forschungsgemeinschaft
Mots-clésZooplanktonPlanktonPredationEcosystemEcologyPhytoplanktonSupport vector machineFood webDiel vertical migrationEnvironmental scienceBiologyOceanographyNutrientMachine learningGeologyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Several species from various zooplankton taxa perform seasonal vertical migrations (SVM) of typically several hundred meters between the surface layer and overwintering depths, particularly in high-latitude regions. We use OPtimality-based PLAnkton (OPPLA) ecosystem model) to simulate SVM behavior in zooplankton in the Labrador Sea. Zooplankton in OPPLA is a generic functional group without life cycle, which facilitates analyzing SVM evolutionary stability and interactions between SVM and the plankton ecosystem. A sensitivity analysis of SVM-related parameters reveals that SVM can amplify the seasonal variations of phytoplankton and zooplankton and enhance the reduction of summer surface nutrient concentrations. SVM is often explained as a strategy to reduce exposure to visual predators during winter. We find that species doing SVM can persist and even dominate the summer-time zooplankton community, even in the presence of Stayers, which have the same traits as the migrators, but do not perform SVM. The advantage of SVM depends strongly on the timing of the seasonal migrations, particularly the day of ascent. The presence of higher (visual) predators tends to suppress the Stayers in our simulations, whereas the SVM strategy can persist in the presence of non-migrating species even without higher predators.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,576
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,063
Tête enseignante GPT0,329
Écart entre enseignants0,266 · 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 tête enseignante, 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Plankton ResearchMême sujetMarine and coastal ecosystemsTravaux en français237 207