Characterizing and predicting essential habitat features for juvenile coastal sharks
Notice bibliographique
Résumé
Abstract The successful management of shark populations requires juvenile recruitment success. Thus, conservation initiatives now strive to include the protection of areas used by pre‐adult sharks in order to promote juvenile survivorship. Many shark species use inshore areas for early life stages; however, species often segregate within sites to reduce competition. Using a fisheries‐independent gillnet survey from the Northern Gulf of Mexico (2000–2010) we describe distribution patterns and preferred habitat features of the juveniles of six shark species. Our results suggest that multiple shark species concurrently use the area for early life stages and although they overlap, they exhibit distinct habitat preferences characterized by physical variables. Habitat suitability models suggest that temperature, depth, and salinity are the important factors driving juvenile shark occurrence. Within each site, across the sampled range of physical characteristics, blacktip shark ( Carcharhinus limbatus ) preferred higher temperature (>30 °C) and mid‐depth (~5.5 m); bonnethead shark ( Sphyrna tiburo ) preferred higher temperature (>30 °C) and mid‐salinity (30–35 PSU ), finetooth shark ( Carcharhinus isodon ) preferred low salinity (<20 PSU ) with mid‐depth (~4 m), scalloped hammerhead shark ( Sphyrna lewini ) preferred high temperature (>30 °C) and salinity (>35 PSU ), Atlantic sharpnose shark ( Rhizoprionodon terraenovae ) preferred high temperature (>30 °C) and deep water (>6 m), and spinner shark ( Carcharhinus brevipinna ) preferred deep water (>8 m) and high temperature (>30 °C). The other investigated factors, including year, month, latitude, longitude, bottom type, inlet distance, coastline and human coast were not influential for any species. Combining habitat preferences with the sampled environmental characteristics, we predicted habitat suitability throughout the four sites for which physical characteristics were sampled. Habitat suitability surfaces highlight the differences in habitat use between and within sites. This work provides important insight into the habitat ecology of juvenile shark populations, which can be used to better manage these species and protect critical habitat.
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) | 0,001 | 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 ».