Water column structure defines vertical habitat of twelve pelagic predators in the South Atlantic
Notice bibliographique
Résumé
Abstract Quantifying vertical distributions of pelagic predators elucidates pelagic ecosystem structure and informs fisheries management. In the tropical South Atlantic Ocean, the recently designated large-scale marine protected area around Ascension Island hosts diverse pelagic predators for which basin-specific vertical habitat information is minimal or absent. We used pop-up satellite archival tags to analyse vertical habitat use in 12 species (bigeye tuna Thunnus obesus, blue marlin Makaira nigricans, blue shark Prionace glauca, dolphinfish Coryphaena hippurus, Galapagos shark Carcharhinus galapagensis, oceanic whitetip Carcharhinus longimanus, sailfish Istiophorus albicans, silky shark Carcharhinus falciformis, swordfish Xiphias gladius, tiger shark Galeocerdo cuvier, wahoo Acanthocybium solandri, and yellowfin tuna Thunnus albacares) and quantify parameters (temperature, dissolved oxygen, diel cycles, lunar phase) known to constrain vertical movements. Predator depth distributions varied widely, and classification trees grouped predators into four clades: (i) primarily epipelagic; (ii) partial thermocline use; (iii) oscillatory diving with thermocline/sub-thermocline use; and (iv) extensive use of sub-thermocline waters. Vertical habitat differences were linked to thermal physiology and foraging ecology, and species-specific physical constraints from other ocean basins were largely conserved in the South Atlantic. Water column features defined species-specific depth distributions, which can inform fisheries practices and bycatch risk assessments and population estimates.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».