Approche simplifiée par états et transitions saisonniers pour modéliser un système prédateurs-proies complexe de l’arctique
Bibliographic record
Abstract
La grande majorité des écosystèmes terrestres subissent des variations annuelles dans les conditions environnements qu’on appelle les saisons. Ces saisons et leur alternance forcent les espèces à développer des adaptations pour tolérer ou tirer parti des changements rythmiques de l’écosystème. Ces adaptations, comme le changement de diète, la migration ou la dormance ont des impacts sur la manière dont les espèces interagissent entrent-elles. Afin de brosser un portrait réaliste de la dynamique des écosystèmes, la modélisation des réseaux trophiques saisonniers se doit ainsi de prendre en compte ces adaptations dans la structure des modèles. Cependant, cette prise en compte de la saisonnalité est souvent faite au coût d’une augmentation de la complexité des modèles, particulièrement lorsque les changements dans les conditions de l’écosystème sont abrupts. La modélisation par système hybride (ou semi-discret) a été proposée comme une voie pour simplifier la représentation des systèmes fortement saisonniers. Pour tester l’utilité de cette approche dans l’étude des dynamiques complexes et saisonnières, nous avons construit et paramétré un modèle hybride pour le système prédateurs-proies cyclique des lemmings. Ce modèle a pour objectif de représenter la dynamique saisonnière de quatre prédateurs arctiques (le renard arctique, le harfang des neiges, le labbe à longue queue et l’hermine) et de leur proie principale, le lemming, que l’on retrouve sur l’île Bylot (Nunavut, Canada). La structure du modèle proposé permet une paramétrisation par deux approches indépendantes, ce qui rend plus robustes les conclusions tirées du modèle. Nos résultats indiquent que la dynamique cyclique des populations de lemmings ne peut être réalisée par la présence d’une seule espèce de prédateur; c’est l’ensemble de la communauté de prédateur qui est nécessaire pour amener le lemming dans une dynamique cyclique. Ces résultats soulignent l’importance de réponses différentes, mais complémentaires à la saisonnalité pour la dynamique cyclique du lemming. Ainsi, nos résultats font écho aux études antérieures suggérant l’importance de l’alternance des saisons dans les cycles de micromammifères, mais aussi plus généralement dans la dynamique des écosystèmes soumis à un important forçage saisonnier. La cohérence entre les deux méthodes de paramétrisation permet aussi de conclure que la structure du modèle hybride capture des éléments clefs de la dynamique réelle du système. Ainsi, notre étude démontre que la flexibilité de l’approche de modélisation hybride permet à la fois de simplifier la représentation des dynamiques écologiques complexes comme les systèmes hautement saisonniers ou sans équilibre stable, mais aussi d’extraire de l’information appréciable sur ces dynamiques. L’accessibilité de cette approche de modélisation pourrait faire avancer considérablement notre compréhension de la dynamique des écosystèmes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".