Oilfield Development and Glaucous Gull (Larus hyperboreus) Distribution and Abundance in Central Alaskan Beaufort Sea Lagoons, 1970–2001
Notice bibliographique
Résumé
We evaluated aerial survey data for glaucous gulls (Larus hyperboreus) in central Alaskan Beaufort Sea lagoons near the Prudhoe Bay oilfields during June to September 1978– 2001 for trends in numbers of glaucous gulls, associations with human activity, and confounding relationships with environmental variables. Most glaucous gulls were in barrier island and mainland shoreline habitats, and the total number of gulls per survey ranged from 50 to 1600. Seasonal variation in abundance was apparent, with the largest numbers of gulls consistently recorded during September surveys. Ice cover and wave height had a significant negative correlation with the linear density of glaucous gulls (gulls/km). There was no clear trend in abundance of gulls in the lagoons at Prudhoe Bay or obvious interaction with human activity (such as air traffic, boat traffic, or humans on land or water) in the survey area during the period of oilfield development (1978–2001). We compiled glaucous gull nest counts from 1970 to 2001 across barrier islands to evaluate trends in the number of nests and associations with other colonial nesting species. The mean number of active glaucous gull nests increased from 1970–74 (77.6 nests per year) to 1975–85 (154.4 nests per year), but there was no evidence of a difference from 1970–74 to 1987– 2001 (153.0 nests per year). However, the change in 1976 from aerial to ground-based nest surveys confounds comparison of the survey periods before this date (1970– 74) with those after it (1975–85 and 1987– 2001). A strong positive relationship between the number of glaucous gull nests and both common eider and snow goose nests suggests that common environmental variables may be regulating nesting for these species.
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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».