Jellyfish distribution in space and time predicts leatherback sea turtle hot spots in the Northwest Atlantic
Notice bibliographique
Résumé
Leatherback sea turtles (Dermochelys coriacea) migrate to temperate Canadian Atlantic waters to feed on gelatinous zooplankton ('jellyfish') every summer. However, the spatio-temporal connection between predator foraging and prey-field dynamics has not been studied at the large scales over which these migratory animals occur. We use 8903 tows of groundfish survey jellyfish bycatch data between 2006-2017 to reveal spatial jellyfish hot spots, and matched these data to satellite-telemetry leatherback data over time and space. We found highly significant overlap of jellyfish and leatherback distribution on the Scotian Shelf (r = 0.89), moderately strong correlations of jellyfish and leatherback spatial hot spots in the Gulf of St. Lawrence (r = 0.59), and strong correlations in the Bay of Fundy (r = 0.74), which supports much lower jellyfish density. Over time, jellyfish bycatch data revealed a slight northward range shift in the Gulf of St. Lawrence, consistent with gradual warming of these waters. Two-stage generalized linear modelling corroborated that sea surface temperature, year, and region were significant predictors of jellyfish biomass, suggesting a climate signal on jellyfish distribution, which may shift leatherback critical feeding habitat over time. These findings are useful in predicting dynamic habitat use for endangered leatherback turtles, and can help to anticipate large-scale changes in their distribution in response to climate-related changes in prey availability.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».