Disentangling Natural and Anthropogenic Forms of Mortality and Serious Injury in a Poorly Studied Pelagic Dolphin
Notice bibliographique
Résumé
Killer whale ( Orcinus orca ) populations specialize in both prey and prey acquisition tactics around the world and may be a primary evolutionary driver of the habits of small cetaceans. Entanglement in fishing gear is the most significant anthropogenic threat to the survival of cetaceans worldwide. Distinguishing between natural and human-caused sources of mortality and injury is a key task in marine mammal conservation and management. In British Columbia (BC), Canada, mammal-eating killer whales co-occur with Pacific white-sided dolphins ( Lagenorhynchus obliquidens ). Bycatch mortality rates are unknown here due to lack of systematic fisheries observer coverage. Drawing from more than three decades of first-hand observations of killer whale attacks on Pacific white-sided dolphins, we identify common themes with respect to predatory behavior of killer whales and anti-predatory responses of dolphins. With input from veterinary pathologists, we outline clues to distinguish killer whale rake marks from scars and wounds likely to be caused by fishery interactions. We examined photographs of 415 well-marked Pacific white-side dolphins for evidence of injuries and scars consistent with either killer whale attacks or fishery interactions. In this case study, healed scars from interactions with killer whale predators were ∼8× more common than scars from fishery interactions (3.9 vs. 0.5%), suggesting that predation is a much bigger threat to Pacific white-sided dolphins in the study area than anthropogenic impacts, or that dolphins are much less likely to survive a fishery interaction than a predation attempt. To advance our knowledge on poorly studied species, multiple lines of evidence will be needed.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».