Fish farming and its appeal to common bottlenose dolphins: modelling habitat use in a Mediterranean embayment
Notice bibliographique
Résumé
ABSTRACT 1. Common bottlenose dolphins Tursiops truncatus interact with fish farms in the Mediterranean Sea. These interactions were investigated in a Greek bay by incorporating multiple geographic, bathymetric, oceanographic, and anthropogenic variables. 2. Generalized additive models (GAMs) and generalized estimation equations (GEEs) were used to describe dolphin presence. Visual surveys were conducted over 2909 km under favourable viewing conditions that included 54 dolphin group follows for 457 km. Sea surface temperature (SST) and chlorophyll‐ a (Chl‐ a ) data were obtained from remote sensing imagery, and distances to sources of human influences including fish farms, a ferro‐nickel plant, and a slag disposal area were calculated within a geographic information system (GIS). 3. Bottlenose dolphins were encountered mainly in the south‐eastern portion of the study area, and occurrence was not clearly related to SST and Chl‐ a , nor the ferro‐nickel plant or nearby slag disposal area. 4. Dolphin occurrence generally increased within 20 km of fish farms, with four farms and dolphins displaying a positive relationship, seven no clear relationship, and two a negative one. 5. While it is likely that uneaten food and other detritus attract dolphin prey, individual farms (or clusters of farms) clearly had a different appeal. The proximity of the ferro‐nickel plant and slag disposal area to ‘attractive’ fish farms could compromise dolphin health, but physiological data are unavailable. 6. The modelling of multiple variables allowed for a description of dolphin habitat use and attraction to some fish farms. More such data analysed in similar manner would be instructive for other areas where marine mammals and fish farms co‐occur. Copyright © 2013 John Wiley & Sons, Ltd.
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 | 0,000 | 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 | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 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 ».