Migration dynamics of polar bears (<i>Ursus maritimus</i>) in western Hudson Bay
Notice bibliographique
Résumé
Abstract Migration is predicted to change both spatially and temporally as climate change alters seasonal resource availability. Species in extreme environments are especially susceptible to climate change; hence, it is important to determine environmental and biological variables that influence their migration. Polar bears (Ursus maritimus) are an Arctic apex carnivore whose migration phenology has been affected by climate change and is vulnerable to future changes. Here, we used satellite-linked telemetry collar data from adult female polar bears in western Hudson Bay from 2004 to 2016 and multivariate response regression models to demonstrate that 1) spatial and temporal migration metrics are correlated, 2) ice concentration and wind are important environmental variables that influence polar bear migration in seasonal ice areas, and 3) migration did not vary across the years of our study, highlighting the importance of continued monitoring. Specifically, we found that ice concentration, wind speed, and wind direction affected polar bear migration onto ice during freeze-up and ice concentration and wind direction affected migration onto land during breakup. Bears departed from land earlier with increased wind speed and the effect of wind direction on migration may be linked to prey searching and ice drift. Low ice concentration was associated with higher movement during freeze-up and breakup. Our findings suggest that migration movement may increase in response to climate change as ice concentration and access to prey declines, potentially increasing nutritional stress on bears.
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) | 0,002 | 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 ».