Subpolar gyre and temperature drive boreal fish abundance in Greenland waters
Notice bibliographique
Résumé
Abstract As result of ocean warming, marine boreal species have shifted their distribution poleward, with increases in abundance at higher latitudes, and declines in abundance at lower latitudes. A key to predict future changes in fish communities is to understand how fish stocks respond to climate variability. Scattered field observations in the first half of the 20th century suggested that boreal fish may coherently invade Greenland waters when temperatures rise, but this hypothesis has remained untested. Therefore, we studied how local temperature variability and the dynamics of the subpolar gyre, a large‐scale driver of oceanic conditions in the North Atlantic, affect abundance of boreal fishes in a region that sharply defines their lower thermal boundary. We analysed information from demersal trawl surveys from 1981 to 2017, for species distributed from shallow shelf to depths of 1,500 m, collected at over 10,000 stations along ~3,000 km of Greenland. Our results show that local temperature and variability of Labrador and Irminger Sea water in the subpolar gyre region drive interdecadal variability of boreal fish abundance in Greenland waters. Although temperature fluctuations were higher in shallow than deep regions, fish abundance changed as quickly in great depths as in shallow depths. This link between physics and biology provides an opportunity for prediction of future trends, which is of utility in Greenland, where fisheries constitute more than 90% of the national export value.
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 ».