Salmon shark connections: North Pacific climate change, indirect fisheries effects, or just variability?
Notice bibliographique
Résumé
Abstract A variety of changes are occurring in the ecosystems of the North Pacific Ocean and Bering Sea, but information about the mechanisms of change has been relatively limited, due in part to the region’s remoteness and subarctic conditions. Any number of ecosystem components or indicators could be used to exemplify this dilemma, but here we point to the salmon shark ( Lamna ditropis, Lamnidae) as an example of a species that can potentially mediate considerable ecosystem change due to its high trophic level, but for which some basic information is lacking despite attracting some interesting research and widespread rumours and anecdotal evidence of increased abundance. Increases in the abundance of sharks such as salmon sharks in this region during the 1990s, if true, may help explain other observed changes such as declines in ocean survival rates of Pacific salmon ( Oncorhynchus spp., Salmonidae) in the region and declines in some wild salmon stocks. Mechanisms that could cause salmon shark increases in Alaskan coastal waters include: (i) increases in sea temperature since the 1970s allowing distributional shifts of this species and changes in the abundance or distribution of their prey; (ii) the 1992 banning of high seas drift gillnets; and (iii) indirect fisheries effects such as competitive release of salmon sharks in the North Pacific transition region and towards the more southern geographic extent of their annual migration as the result of fishery‐related reductions in blue sharks ( Prionace glauca , Carcharhinidae) and other pelagic predators. The relative plausibility of these alternative explanations can be evaluated using combinations of existing ecosystem models and empirical research and monitoring programmes including local and indigenous observations.
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 | 0,001 | 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 | 0,001 |
| 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 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 ».