Green urchin demography in a subartic ecosystem : patterns and processes
Bibliographic record
Abstract
Dans les environnements littoraux de l’Atlantique Nord, les densités importantes d’oursin vert Strongylocentrotus droebachiensis ont entraîné la décimation des laminaires et l’apparition de grandes étendues dénudées où la biodiversité et les services écosystémiques sont fortement limités. Par contre, l’oursin vert a une grande valeur commerciale et son élevage en aquaculture représente une activité pour laquelle un intérêt grandissant est observé. Toutefois, il s’agit malheureusement d’une pêcherie ayant une évolution temporelle en dents de scie. Une gestion appropriée des populations d’oursins pourrait aider à atteindre un meilleur équilibre entre l’abondance de cette espèce et les laminaires. Ainsi, les laminaires pourraient recoloniser les zones d’où elles ont été complètement broutées par les oursins, ce qui améliorerait la qualité des oursins favorisant leur exportation. La présente thèse rassemble de l’information relative aux interactions écologiques et aux facteurs environnementaux déterminants la démographie des oursins à différentes échelles spatiales dans l’Estuaire et le Golfe du Saint-Laurent (EGSL, Canada). Dans l’EGSL, il n'y a aucun des mécanismes usuels de contrôle des populations d’oursins (prédation, mortalité en masse et pêche). Il en résulte que les oursins dominent les régions infra littorales depuis des décennies. Un inventaire extensif décrivant la structure des populations (c.-à-d., fréquences de la taille, abondance et biomasse) à plusieurs échelles spatiales (c.-à-d., profondeur, site) a montré une importante variabilité spatiale. La densité et la biomasse mesurées dans l’EGSL sont parmi les plus importantes rapportées pour cette espèce. De plus, les laminaires sont limitées aux sites exposés et peu profonds. Une étude faite en mésocosme sur le terrain couplée à une expérience comportementale a montré que la compétition intraspécifique déterminée par la taille joue un rôle important sur la structure des populations via la réduction du taux de croissance et de la production de gonades chez les petits individus, ainsi que sur leur comportement d’approvisionnement. Un changement ontogénique intéressant a été observé quant à l’importance relative du type de compétition, qui passe d’une combinaison d’interférence et d’exploitation chez les petits oursins à une compétition par exploitation seulement chez les oursins de taille moyenne. Finalement, nous avons évalué l’exactitude de la technique de sclérochronologie consistant à estimer l’âge des oursins à partir du compte des bandes de croissance observables sur leur squelette. Des expériences en laboratoire ont démontré qu’en plus d’une importante variabilité dans la déposition des bandes entre les différents composants du squelette, plusieurs facteurs de stress environnementaux (p. ex., apport alimentaire limité, périodes d’hyposalinité, température de l’eau) peuvent induire la déposition de bandes de croissance additionnelles. De plus, une revue de littérature a montré que malgré son utilisation fréquente, seule la moitié des études ayant eu recours à cette technique ont tenté de valider les prémisses sur lesquelles celle-ci est basée. Une analyse plus approfondie de la méthodologie de ces études révèle également que lorsque présentes, les études de validation étaient inadéquates. Ainsi, la sclérochronologie chez les oursins ne devrait pas être utilisée pour déterminer l’âge des individus sans qu’avant une méthode permettant de générer une estimation répétable, exacte et précise, à partir des bandes de croissance, ne soit élaborée. L’information récoltée dans le cadre des études démographiques a des applications écologiques importantes et permet d’améliorer les prédictions des modèles de dynamique des populations dans un monde en changement constant. Cette thèse fait avancer notre compréhension des caractéristiques individuelles intrinsèques, les interactions écologiques et les facteurs environnementaux associés à L’EGSL qui déterminent les processus (c.-à-d., taux de croissance des populations, mortalité) et les caractéristiques (c.-à-d., abondance, âge) démographiques chez l’oursin.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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".