Spatial‐temporal patterns in intra‐annual gray whale foraging: Characterizing interactions between predators and prey in Clayquot Sound, British Columbia, Canada
Notice bibliographique
Résumé
Abstract In Clayquot Sound, British Columbia, gray whales (Eschrichtius robustus) forage primarily on mysids (FamilyMysideae) and also on crab larvae (FamilyPorcellanidae) that are constrained to specific habitat, which relate to bathymetric depths. In this paper we characterize the interactions of gray whales and their prey by analyzing fine scale spatial‐temporal patterns in foraging gray whale distribution within a season. Kernel density estimators are applied to two seasons (1998 and 2002) of high‐resolution data on foraging by gray whales. By partitioning data from each foraging season into several time periods (12 in 1998 and 11 in 2002), using a temporal autocorrelation function, and generating kernel density estimated surfaces for each time period, it is possible to identify discrete areas of increasing and declining foraging effort. Our results indicate that gray whales forage on mysids throughout a season and opportunistically forage on crab larvae. The episodic crab larvae feeding may reduce, but not eliminate, pressure to mysid populations enabling mysids to reassemble swarms and continue to support gray whale foraging in the latter part of the season. Results suggest that when managing marine environments, gray whale populations require multiple and connected habitats for summer foraging.
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».