Molting strategies of Arctic seals drive annual patterns in metabolism
Notice bibliographique
Résumé
Abstract Arctic seals, including spotted (Phoca largha), ringed (Pusa hispida) and bearded (Erignathus barbatus) seals, are directly affected by sea ice loss. These species use sea ice as a haul-out substrate for various critical functions, including their annual molt. Continued environmental warming will inevitably alter the routine behavior and overall energy budgets of Arctic seals, but it is difficult to quantify these impacts as their metabolic requirements are not well known—due in part to the difficulty of studying wild individuals. Thus, data pertaining to species-specific energy demands are urgently needed to better understand the physiological consequences of rapid environmental change. We used open-flow respirometry over a four-year period to track fine-scale, longitudinal changes in the resting metabolic rate (RMR) of four spotted seals, three ringed seals and one bearded seal trained to participate in research. Simultaneously, we collected complementary physiological and environmental data. Species-specific metabolic demands followed expected patterns based on body size, with the largest species, the bearded seal, exhibiting the highest absolute RMR (0.48 ± 0.04 L O2 min−1) and the lowest mass-specific RMR (4.10 ± 0.47 ml O2 min−1 kg−1), followed by spotted (absolute: 0.33 ± 0.07 L O2 min−1; mass-specific: 6.13 ± 0.73 ml O2 min−1 kg−1) and ringed (absolute: 0.20 ± 0.04 L O2 min−1; mass-specific: 7.01 ± 1.38 ml O2 min−1 kg−1) seals. Further, we observed clear and consistent annual patterns in RMR that related to the distinct molting strategies of each species. For species that molted over relatively short intervals—spotted (33 ± 4 days) and ringed (28 ± 6 days) seals—metabolic demands increased markedly in association with molt. In contrast, the bearded seal exhibited a prolonged molting strategy (119 ± 2 days), which appeared to limit the overall cost of molting as indicated by a relatively stable annual RMR. These findings highlight energetic trade-offs associated with different molting strategies and provide quantitative data that can be used to assess species-specific vulnerabilities to changing conditions.
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 ».