MétaCan
Menu
Retour à la cohorte
Enregistrement W2335442855 · doi:10.1139/cjz-2014-0087

Spatial segregation and the influence of habitat on the foraging behavior of northern fur seals (<i>Callorhinus ursinus</i>)

2014· article· en· W2335442855 sur OpenAlexvenueno aff
Carey E. Kuhn, Rolf R. Ream, J. Sterling, James R. Thomason, Rod Towell

Notice bibliographique

RevueCanadian Journal of Zoology · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésForagingFur sealRookeryHabitatPredationEcologyPopulationBiologyElephant sealGeographyDemography

Résumé

récupéré en direct d'OpenAlex

Central place foraging by colonial breeders can lead to depleted prey resources around breeding areas. Segregation of foraging areas both within and between large colonies may act as a mechanism to reduce competition for prey resulting in increased foraging success. We reassessed horizontal (spatial) foraging habitat segregation for northern fur seals (Callorhinus ursinus (L., 1758)) within and between colonies on the Pribilof Islands, Alaska (St. Paul and St. George islands), after the population declined by approximately 40%. Additionally, we examined vertical habitat segregation, where foraging ranges overlapped, and describe the influence of different foraging habitats on northern fur seal dive behavior. Spatial habitat segregation in northern fur seal foraging areas occurred between islands but was variable within islands, which is similar to the pattern previously described. There was no evidence for vertical habitat segregation when fur seals from different rookeries on St. George Island used the same foraging area. Additionally, fur seals from St. Paul Island rookeries that foraged in similar habitats showed fewer differences in dive behavior, indicating that foraging habitat plays a significant role in shaping dive behavior. The use of multiple foraging strategies within the Pribilof Island fur seal population could indicate that a complex management and conservation strategy may be necessary to stop the continuing decline of this population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,201
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of ZoologyMême sujetMarine animal studies overviewTravaux en français237 207