Identifying and assessing nonlinear drivers of capelin and Atlantic cod population dynamics using empirical dynamic modelling (EDM) scenario exploration
Notice bibliographique
Résumé
As anthropogenic stressors such as climate change and fisheries continue to disrupt marine ecosystems, it is becoming more important to understand and predict resulting nonlinear effects on species population dynamics. The marine ecosystem of the Newfoundland Shelf serves as a unique case study for this purpose. Capelin (Mallotus villosus) and Atlantic cod (Gadus morhua) were dominant species of the Newfoundland Shelf community before populations of both species collapsed in the early 1990s during a period of abnormally cold climate and overfishing of groundfish, culminating in a regime shift. In this study, we examine 12 climatic and ecological covariates for driving effects on capelin and cod population dynamics using Convergent Cross-Mapping (CCM). We then examine the magnitude and direction of identified drivers on capelin and cod population dynamics, and identify nonlinear relationships between these drivers and resulting population dynamics using Empirical Dynamic Modelling (EDM) scenario exploration. The drivers of cod and capelin were mostly common and synergistic. For both cod and capelin, we found long-term climatic change was the strongest climatic driver of biomass, with warming temperatures predicted to increase biomass for both species in the near future. We observed nonlinearity in this relationship for capelin, with warming temperatures becoming a negative driver at high biomass. Capelin and cod biomass were the strongest ecological drivers of each other, with increasing biomass in either benefitting the other. Overall, this study shows EDM scenario exploration can be used to identify primary drivers of a species' population dynamics, and predict nonlinear reactions to environmental and/or ecological changes in their environment.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».