Prey biomass dynamics in gray whale feeding areas adjacent to northeastern Sakhalin (the Sea of Okhotsk), Russia, 2001–2015
Notice bibliographique
Résumé
Changing climate patterns strongly influence marine ecosystems across the Pacific Arctic region creating significant ecosystem transitions and change. Macrobenthic species are essential prey for numerous marine mammals and seabirds but the influence of climatic drivers that control macrobenthic community population dynamics are poorly known in critical prey habitats. We investigated associations of environmental, temporal, and climatic covariates with the biomass concentrations of six prey groups (Actinopterygii, Amphipoda, Bivalvia, Cumacea, Isopoda, and Polychaeta) in essential habitats for Korean-Okhotsk (western) gray whales adjacent to northeastern Sakhalin Island in the Sea of Okhotsk. Prey community biomass concentrations were correlated with water depth, year, and climate indices reflecting oceanographic and climatic patterns associated with macro-scale climatological effects. The correlation of prey biomass with water depth and year accounted for ∼90% of total variation in canonical correlation analyses (CCor). Climate indices accounted for ∼10% of total variation in CCor. Water circulation in winter may be particularly important for maintaining populations through the advection of particulate organic carbon entrained in winter currents. Overall, temporal trends in the biomass concentrations of gray whale prey resources appear to reflect climatic and oceanographic factors that are driving ecosystem changes across the Sea of Okhotsk and the Pacific Arctic region.
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) | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».