Comparison of aquatic system models using outdoor mesocosm data for ecological risk assessment, part I: methodology
Notice bibliographique
Résumé
Mesocosm studies are conducted in the context of higher-tier ecological risk assessments (ERAs) to integrate environmental conditions and study species interactions within waterbodies in agricultural landscapes. Aquatic system models (ASMs) could provide tools to extrapolate the dynamics and effects of chemicals observed in mesocosm studies to a wider range of environmental conditions and exposure scenarios. In this article, we present the methodology of a ring study with four ASMs (AQUATOX, CASM, StoLaM+, Streambugs) applied to data from mesocosm studies, while the results of the ring study are presented in a companion article to be published alongside this work. The ring study aimed to test the feasibility and capability of ASMs to represent mesocosm data and to evaluate if such models can be used as an extension of mesocosm experiments in ERAs. The ring study methodology allowed for model comparison and identified models' strengths and limitations in representing the ecosystem dynamics in control and treated mesocosm studies. Groups of species were defined to map the diversity of the mesocosm ecosystem in the taxa represented by the models, and a consensus trophic web was agreed on to ensure harmonization among the models. Control and effect calibration criteria were developed to evaluate and compare model performances for each species group, explicitly considering the variability in mesocosm data. Our proposed methodologies and the challenges in using mesocosm data to inform modeling approaches are discussed. Finally, we derived recommendations for future research to facilitate the development of models representing mesocosms to support ERAs.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».