Foraging a new trail with northern fur seals (<i>Callorhinus ursinus</i>): Lactating seals from islands with contrasting population dynamics have different foraging strategies, and forage at scales previously unrecognized by <scp>GPS</scp> interpolated dive data
Notice bibliographique
Résumé
Abstract We reconstructed the foraging tracks of lactating northern fur seals (Callorhinus ursinus) from two eastern Bering Sea islands (St. Paul Island and Bogoslof Island) using linear interpolation between GPS locations recorded at a maximum of four times per hour and compared it to tri‐axial accelerometer and magnetometer data collected at 16 Hz to reconstruct pseudotracks between the GPS fixes. The high‐resolution data revealed distances swum per foraging trip were much greater than the distances calculated using linearly interpolated GPS tracks (1.5 times further for St. Paul fur seals and 1.9 times further for Bogoslof fur seals). First passage time metrics calculated from the high resolution data revealed that the optimal scale at which the seals searched for prey was 500 m (radius of circle searched) for fur seals from St. Paul Island that went off‐shelf, and 50 m for fur seals from Bogoslof Island and surprisingly, 50 m for fur seals from St. Paul that foraged on‐shelf. These area‐restricted search scales were significantly smaller than those calculated from GPS data alone (12 km for St. Paul and 6 km for Bogoslof) indicating that higher resolution movement data can reveal novel information about foraging behaviors that have important ecological implications.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».