Habitat‐mediated timing of migration in polar bears: an individual perspective
Notice bibliographique
Résumé
Migration phenology is largely determined by how animals respond to seasonal changes in environmental conditions. Our perception of the relationship between migratory behavior and environmental cues can vary depending on the spatial scale at which these interactions are measured. Understanding the behavioral mechanisms behind population-scale movements requires knowledge of how individuals respond to local cues. We show how time-to-event models can be used to predict what factors are associated with the timing of an individual's migratory behavior using data from GPS collared polar bears (Ursus maritimus) that move seasonally between sea ice and terrestrial habitats. We found the concentration of sea ice that bears experience at a local level, along with the duration of exposure to these conditions, was most associated with individual migration timing. Our results corroborate studies that assume thresholds of >50% sea ice concentration are necessary for suitable polar bear habitat; however, continued periods (e.g., days to weeks) of exposure to suboptimal ice concentrations during seasonal melting were required before the proportion of bears migrating to land increased substantially. Time-to-event models are advantageous for examining individual movement patterns because they account for the idea that animals make decisions based on an accumulation of knowledge from the landscapes they move through and not simply the environment they are exposed to at the time of a decision. Understanding the migration behavior of polar bears moving between terrestrial and marine habitat, at multiple spatiotemporal scales, will be a major aspect of quantifying observed and potential demographic responses to climate-induced environmental changes.
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 ».