Bridging disciplines to advance elasmobranch conservation: applications of physiological ecology
Notice bibliographique
Résumé
A strength of physiological ecology is its incorporation of aspects of both species' ecology and physiology; this holistic approach is needed to address current and future anthropogenic stressors affecting elasmobranch fishes that range from overexploitation to the effects of climate change. For example, physiology is one of several key determinants of an organism's ecological niche (along with evolutionary constraints and ecological interactions). The fundamental role of physiology in niche determination led to the development of the field of physiological ecology. This approach considers physiological mechanisms in the context of the environment to understand mechanistic variations that beget ecological trends. Physiological ecology, as an integrative discipline, has recently experienced a resurgence with respect to conservation applications, largely in conjunction with technological advances that extended physiological work from the lab into the natural world. This is of critical importance for species such as elasmobranchs (sharks, skates and rays), which are an especially understudied and threatened group of vertebrates. In 2017, at the American Elasmobranch Society meeting in Austin, Texas, the symposium entitled `Applications of Physiological Ecology in Elasmobranch Research' provided a platform for researchers to showcase work in which ecological questions were examined through a physiological lens. Here, we highlight the research presented at this symposium, which emphasized the strength of linking physiological tools with ecological questions. We also demonstrate the applicability of using physiological ecology research as a method to approach conservation issues, and advocate for a more available framework whereby results are more easily accessible for their implementation into management practices.
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) | 0,002 | 0,002 |
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 ».