Influence of sea ice phenology on the movement ecology of ringed seals across their latitudinal range
Notice bibliographique
Résumé
Environmental variation influences resource distribution, thereby affecting animal movement and foraging decisions. Climate change is altering environmental processes worldwide, but particularly in the Arctic, where changes in the phenology of sea ice have been redistributing resources across space and time. How polar marine predators such as ringed seals Pusa hispida hispida, whose ecology is tightly tied to sea ice, respond to different sea ice dynamics across large spatial scales is generally unknown. Here, behavioural states (resident and traveling) were estimated using state-space models on adult (n = 45) and subadult (n = 85) ringed seal satellite telemetry tracks from 6 Arctic locations. Tagged ringed seals spanned a wide latitudinal (56.54 to 75.58N) and sea ice phenological range from short (1 to 2 mo) to longer (6 mo) ice-free periods. We assessed the influences of age class and several intra-and inter-annual environmental variables on ringed seal movement ecology. Both adults and subadults spent most of the icefree season in a resident state (93 and 77%, respectively). A latitudinal gradient was characterised, where longer ice-free seasons and less inter-annual variability in sea ice phenology at lower latitudes were related to ringed seals spending more time in a resident state than their conspecifics at higher latitudes (90 versus 58%, respectively), where the ice-free season was shorter and sea ice phenology between years was less synchronous. Ringed seals are responding to latitudinal differences in sea ice phenology which affect prey distribution, suggesting plasticity in their foraging decisions and spatiotemporal differences in prey distribution across the rapidly changing Arctic.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».