Killer whale presence drives bowhead whale selection for sea ice in Arctic seascapes of fear
Notice bibliographique
Résumé
The effects of predator intimidation on habitat use and behavior of prey species are rarely quantified for large marine vertebrates over ecologically relevant scales. Using state space movement models followed by a series of step selection functions, we analyzed movement data of concurrently tracked prey, bowhead whales ( Balaena mysticetus ; n = 7), and predator, killer whales ( Orcinus orca; n = 3), in a large (63,000 km 2 ), partially ice-covered gulf in the Canadian Arctic. Our analysis revealed pronounced predator-mediated shifts in prey habitat use and behavior over much larger spatiotemporal scales than previously documented in any marine or terrestrial ecosystem. The striking shift from use of open water (predator-free) to dense sea ice and shorelines (predators present) was exhibited gulf-wide by all tracked bowheads during the entire 3-wk period killer whales were present, constituting a nonconsumptive effect (NCE) with unknown energetic or fitness costs. Sea ice is considered quintessential habitat for bowhead whales, and ice-covered areas have frequently been interpreted as preferred bowhead foraging habitat in analyses that have not assessed predator effects. Given the NCEs of apex predators demonstrated here, however, unbiased assessment of habitat use and distribution of bowhead whales and many marine species may not be possible without explicitly incorporating spatiotemporal distribution of predation risk. The apparent use of sea ice as a predator refuge also has implications for how bowhead whales, and likely other ice-associated Arctic marine mammals, will cope with changes in Arctic sea ice dynamics as historically ice-covered areas become increasingly ice-free during summer.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».