Linking northern fur seal dive behavior to environmental variables in the eastern Bering Sea
Notice bibliographique
Résumé
Northern fur seals ( Callorhinus ursinus ) breeding on the Pribilof Islands, Alaska have declined dramatically over the past 40 years. Effective conservation of northern fur seals depends on understanding the foraging behavior of adult females whose foraging success is linked to pup survival. We determined the foraging behavior for 11 tagged lactating female northern fur seals from the Pribilof Islands using a state‐space modeling approach with an autoregressive movement model. To interpret at‐sea behavior in the context of oceanic habitat, we spatially and temporally matched high‐resolution reconstructed tracks to a set of environmental covariates that included: commercial groundfish catch, sea surface temperature, primary productivity, wind speed, depth and time of day. We used a Bayesian hierarchical framework to implement a multinomial regression model to link behavior to environmental covariates and account for the mismatch of scale between fur seal behavior and the environmental variables by incorporating an error‐in‐covariates approach into the hierarchical model. The Bayesian framework allowed us to build a single model to synthesize the information from all the northern fur seal foraging tracks and the available information about the underlying environmental conditions. Application of the approach indicated that the behavioral states for the northern fur seal were significantly related to the Alaska commercial groundfish catch, particularly walleye pollock ( Gadus chalogramma ).
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 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».