Polar bear predatory behaviour reveals seascape distribution of ringed seal lairs
Notice bibliographique
Résumé
Abstract Ringed seal (Pusa hispida) breeding distribution has been extensively studied across near‐shore habitats, but has received limited attention at a seascape scale due to the difficulty in accessing offshore sea ice environments. Employing highly visible predation attempts by polar bears (Ursus maritimus) on ringed seals in subnivean lairs observed by helicopter, the spatial relationship between predatory behaviour and ringed seal breeding habitat was examined. Resource selection functions were used to determine the relative probability of predation attempts on ringed seals in lairs as a function of habitat during a period of low ringed seal natality (2004–2006). Ringed seal pup kill locations were compared between years of low (2003–2006) and high (2007–2011) natality to assess the effect of reproductive output on habitat use. During years of low natality, polar bear hunting attempts were more likely in near‐shore fast ice, and pup kills were observed predominately in fast ice (fast = 65 %, pack = 29 %, P = 0.002) at a median distance of 36 km from shore. In years of high natality, pup kills were observed farther from shore (median = 46 km, P = 0.03), and there was no difference in the proportion of observations in fast ice and pack ice (fast = 43 %, pack = 52 %, P = 0.29). These results suggest that the facultative use of adjacent offshore pack ice by breeding ringed seals may be influenced by natality. This study illustrates how documenting the behaviour of a predator can facilitate insight into the distribution of a cryptic prey.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,002 | 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 ».