MétaCan
Menu
← Retour à la cohorte
Enregistrement W4413136249 · doi:10.1016/j.jglr.2025.102652

Developing the first binational dreissenid mussel biomass map for Lake Erie

2025· article· en· W4413136249 sur OpenAlexafffundvenue
Tyler J. Harrow‐Lyle, Ashley K. Elgin, Mark D. Rowe, Peter J. Alsip, Lyubov E. Burlakova, Alexander Y. Karatayev, Megan McCusker, Reza Valipour, David C. Depew

Notice bibliographique

RevueJournal of Great Lakes Research · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Invertebrate Ecology and Behavior
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesBuffalo State CollegeU.S. Geological SurveyUniwersytet Kazimierza Wielkiego w BydgoszczyEidgenössische Anstalt für Wasserversorgung Abwasserreinigung und GewässerschutzNational Oceanic and Atmospheric AdministrationU.S. Environmental Protection AgencyEnvironment and Climate Change CanadaCooperative Institute for Great Lakes Research
Mots-clésMusselFisheryBiomass (ecology)Environmental scienceOceanographyGeologyBiology

Résumé

récupéré en direct d'OpenAlex

Dreissena rostriformis bugensis and Dreissena polymorpha , collectively known as dreissenid mussels, were first documented in Lake Erie nearly 40 years ago and continue to strongly impact ecosystem structure and function. Recently, dreissenids have been recognized as the primary regulator of phosphorus dynamics in the Great Lakes, potentially reducing external phosphorus load management strategies. To evaluate the extent that dreissenids may modulate phosphorus dynamics and assess the effectiveness of external load management strategies, ecosystem models need to adequately represent spatial patterns of dreissenid biomass densities. Assessment of dreissenid populations in the Great Lakes are complicated by their vast size, as well as the heterogeneity and stochastic nature of critical physical variables that shape habitat suitability (e.g., depth, hypoxia, substrate type, and benthic shear stress). We used observations from a 2019 benthic survey and 10-fold cross validation to assess spatial prediction methods to create a spatially explicit data layer representing dreissenid biomass in Lake Erie, including inverse distance weighting, nearest neighbour, depth binned average, random forest, generalized linear, and general additive models. A random forest spatial prediction approach produced the best predictive surface for dreissenid biomass in Lake Erie. The estimated spatial pattern of dreissenid biomass may be used in nutrient modeling exercises across Lake Erie to improve estimates of dreissenid impacts on biogeochemistry and lower food web productivity. This work also provides insight for potential sampling design improvements for benthic surveys in future years that could help refine the predictive capacity of the developed spatial prediction framework.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,888
Score d'incertitude au seuil0,224

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,064
Tête enseignante GPT0,359
Écart entre enseignants0,295 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Great Lakes Research→Même sujetAquatic Invertebrate Ecology and Behavior→Travaux en français237 207→