MétaCan
Menu
Retour à la cohorte
Enregistrement W3035892420 · doi:10.3354/meps13392

Breeding seabirds increase foraging range in response to an extreme marine heatwave

2020· article· en· W3035892420 sur OpenAlexafffund
OE Osborne, PD O’Hara, Shannon Whelan, Paul A. Zandbergen, SA Hatch, KH Elliott

Notice bibliographique

RevueMarine Ecology Progress Series · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAvian ecology and behavior
Établissements canadiensMcGill UniversityEnvironment and Climate Change CanadaVancouver Island University
Organismes subventionnairesDivision of Ocean SciencesFisheries and Oceans CanadaEnvironment and Climate Change CanadaVancouver Island UniversityNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésForagingSeabirdEcologyMarine ecosystemBiological dispersalRange (aeronautics)BiologyEnvironmental scienceFisheryEcosystemPredationPopulationDemography

Résumé

récupéré en direct d'OpenAlex

Marine heatwaves are increasing in frequency and can disrupt marine ecosystems non-linearly. In this study, we examined the effect of the North Pacific warming event of 2014, the largest long-term sea surface anomaly on record, on black-legged kittiwake Rissa tridactyla foraging trips before, during, and after the event. We assessed foraging trip characteristics (trip distance and duration), the dispersal of foraging locations, and the persistence of foraging areas within and among years. Foraging trip characteristics, foraging area size, and location varied from year to year. Kittiwake foraging was more dispersed, direct, and farther from the colony in years immediately after and during the warming event. A third of the foraging area used pre-heatwave (2012) was important in subsequent years, which indicates that this area was, and may still be, a perennial foraging hot spot. During the chick-rearing stage, black-legged kittiwakes increased their speed and reduced the proportion of resting compared to the incubation stage. We conclude that marine heatwaves may have a strong impact on seabird foraging, extending foraging ranges, and that those impacts may be nonlinear with a strong lag.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,252
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations52
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMarine Ecology Progress SeriesMême sujetAvian ecology and behaviorTravaux en français237 207