MétaCan
Menu
Retour à la cohorte
Enregistrement W2908229939 · doi:10.1111/ddi.12860

Abundance and species diversity hotspots of tracked marine predators across the North American Arctic

2018· article· en· W2908229939 sur OpenAlexafffundabout
David J. Yurkowski, Marie Auger‐Méthé, Mark L. Mallory, Sarah N. P. Wong, Grant Gilchrist, Andrew E. Derocher, Evan S. Richardson, Nicholas J. Lunn, Nigel E. Hussey, Marianne Marcoux, Ron R. Togunov, Aaron T. Fisk, Lois A. Harwood, Runé Dietz, Aqqalu Rosing‐Asvid, Erik W. Born, Anders Mosbech, Jérôme Fort, David Grémillet, Lisa L. Loseto, Pierre R. Richard, John Iacozza, Frankie Jean‐Gagnon, Tanya M. Brown, Kristin H. Westdal, Jack Orr, Bernard Leblanc, Kevin J. Hedges, Margaret A. Treble, Steven T. Kessel, Paul J. Blanchfield, Shanti E. Davis, Mark Maftei, Nora C. Spencer, Laura McFarlane‐Tranquilla, William A. Montevecchi, Blake A. Bartzen, Lynne Dickson, Christine Anderson, Steven H. Ferguson

Notice bibliographique

RevueDiversity and Distributions · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensResearch ManitobaMemorial University of NewfoundlandGovernment of Northwest TerritoriesUniversity of WindsorAlberta Environment and Protected AreasAcadia UniversityUniversity of AlbertaCarleton UniversityFisheries and Oceans CanadaEnvironment and Climate Change CanadaUniversity of British ColumbiaUniversity of Manitoba
Organismes subventionnairesInstitut Polaire Français Paul Emile VictorNatural Sciences and Engineering Research Council of CanadaW. Garfield Weston FoundationWorld Wildlife FundUniversity of AlbertaAgence Nationale de la RechercheArcticNetFisheries Joint Management CommitteeFisheries and Oceans CanadaEnvironment and Climate Change CanadaAarhus UniversitetQuark ExpeditionsPinngortitaleriffikPew Charitable Trusts
Mots-clésEcologyAbundance (ecology)ArcticGeographyMacroecologyPredationSpecies diversityBiodiversityBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Aim Climate change is altering marine ecosystems worldwide and is most pronounced in the Arctic. Economic development is increasing leading to more disturbances and pressures on Arctic wildlife. Identifying areas that support higher levels of predator abundance and biodiversity is important for the implementation of targeted conservation measures across the Arctic. Location Primarily Canadian Arctic marine waters but also parts of the United States, Greenland and Russia. Methods We compiled the largest data set of existing telemetry data for marine predators in the North American Arctic consisting of 1,283 individuals from 21 species. Data were arranged into four species groups: (a) cetaceans and pinnipeds, (b) polar bears Ursus maritimus (c) seabirds, and (d) fishes to address the following objectives: (a) to identify abundance hotspots for each species group in the summer–autumn and winter–spring; (b) to identify species diversity hotspots across all species groups and extent of overlap with exclusive economic zones; and (c) to perform a gap analysis that assesses amount of overlap between species diversity hotspots with existing protected areas. Results Abundance and species diversity hotpots during summer–autumn and winter–spring were identified in Baffin Bay, Davis Strait, Hudson Bay, Hudson Strait, Amundsen Gulf, and the Beaufort, Chukchi and Bering seas both within and across species groups. Abundance and species diversity hotpots occurred within the continental slope in summer–autumn and offshore in areas of moving pack ice in winter–spring. Gap analysis revealed that the current level of conservation protection that overlaps species diversity hotspots is low covering only 5% (77,498 km2) in summer–autumn and 7% (83,202 km2) in winter–spring. Main conclusions We identified several areas of potential importance for Arctic marine predators that could provide policymakers with a starting point for conservation measures given the multitude of threats facing the Arctic. These results are relevant to multilevel and multinational governance to protect this vulnerable ecosystem in our rapidly changing world.

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 enseignants0,902
Score d'incertitude au seuil0,196

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
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,020
Tête enseignante GPT0,225
Écart entre enseignants0,205 · 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

Citations55
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueDiversity and DistributionsMême sujetMarine animal studies overviewTravaux en français237 207