Spatiotemporal variation in size-dependent growth rates in small isolated populations of Arctic charr ( <i>Salvelinus alpinus</i> )
Notice bibliographique
Résumé
As a key life-history trait, growth rates are often used to measure individual performance and to inform parameters in demographic models. Furthermore, intraspecific trait variation generates diversity in nature. Therefore, partitioning out and understanding drivers of spatiotemporal variation in growth rate is of fundamental interest in ecology and evolution. However, this has rarely been attempted owing to the amount of individual-level data required through both time and space, and issues with missing data in important covariates. Here, we implemented a Bayesian state-space model using individual-level data from 20 populations of Arctic charr ( Salvelinus alpinus ) across 15 capture occasions, which allowed us to: (i) integrate over the uncertainty of missing recapture records; (ii) robustly estimate size-dependence; and (iii) include a covariate (water temperature) that contained missing data. Interestingly, although there was substantial spatial, temporal and spatiotemporal variation in growth rate, this was only weakly associated with variation in water temperature and almost entirely independent of size, suggesting that spatiotemporal variation in other environmental conditions affected individuals across sizes similarly. This fine-scale spatiotemporal variation emphasizes the importance of local conditions and highlights the potential for spatiotemporal variation in a size-dependent life-history trait, even when environmental conditions are apparently very similar.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».