Patterns of sea ice drift and polar bear (Ursus maritimus) movement in Hudson Bay
Notice bibliographique
Résumé
Sea ice habitats are highly dynamic, and ice drift may affect the energy expenditure of travelling animals. Several studies in the high Arctic have reported increased ice drift speeds, and consequently, polar bears Ursus maritimus in these areas expended more energy on counter-ice movement for station-keeping. However, little is known about the spatiotemporal dynamics of ice drift in Hudson Bay (HB) and its implications for the declining Western Hudson Bay (WH) polar bear subpopulation. Using sea ice drift data from 1987-2015 and polar bear satellite telemetry location data from 2004-2015, we examined trends in drift speeds in HB, polar bear movement relative to drift, and assessed annual and individual variation. In contrast to other areas of the Arctic, we did not find an increase in ice drift speed over the period examined. However, variability in ice drift speed increased over time, which suggests reduced habitat predictability. Polar bear movement direction was not strongly counter to ice drift in any month, and ice drift speed and direction had little effect on bear movement rates and, thus, energy expenditure. On an annual scale, we found individuals varied in their exposure and response to ice drift, which may contribute to variability in body condition. However, the lack of a long-term increase in ice drift speed suggests this is unlikely to be the main factor affecting the body condition decline observed in the WH subpopulation. Our results contrast findings in other subpopulations and demonstrate the need for subpopulation-specific research and risk evaluation.
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) | 0,001 | 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 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 ».