Sea ice predicts long‐term trends in Adélie penguin population growth, but not annual fluctuations: Results from a range‐wide multiscale analysis
Notice bibliographique
Résumé
Understanding the scales at which environmental variability affects populations is critical for projecting population dynamics and species distributions in rapidly changing environments. Here we used a multilevel Bayesian analysis of range-wide survey data for Adélie penguins to characterize multidecadal and annual effects of sea ice on population growth. We found that mean sea ice concentration at breeding colonies (i.e., "prevailing" environmental conditions) had robust nonlinear effects on multidecadal population trends and explained over 85% of the variance in mean population growth rates among sites. In contrast, despite considerable year-to-year fluctuations in abundance at most breeding colonies, annual sea ice fluctuations often explained less than 10% of the temporal variance in population growth rates. Our study provides an understanding of the spatially and temporally dynamic environmental factors that define the range limits of Adélie penguins, further establishing this iconic marine predator as a true sea ice obligate and providing a firm basis for projection under scenarios of future climate change. Yet, given the weak effects of annual sea ice relative to the large unexplained variance in year-to-year growth rates, the ability to generate useful short-term forecasts of Adélie penguin breeding abundance will be extremely limited. Our approach provides a powerful framework for linking short- and longer term population processes to environmental conditions that can be applied to any species, facilitating a richer understanding of ecological predictability and sensitivity to global change.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».