MétaCan
Menu
Retour à la cohorte
Enregistrement W3171095210 · doi:10.3389/fmars.2021.617921

Modeling Seasonal Distribution of Irrawaddy Dolphins (Orcaella brevirostris) in a Transnational Important Marine Mammal Area

2021· article· en· W3171095210 sur OpenAlexfundno aff
Gregory M. Verutes, Sarah E. Tubbs, Nick Selmes, Darren R. Clark, P. W. Walker, Oliver Clements

Notice bibliographique

RevueFrontiers in Marine Science · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensnon disponible
Organismes subventionnairesInternational Conservation Fund of CanadaMohammed bin Zayed Species Conservation FundNatural Environment Research CouncilHeinrich Böll StiftungRufford Foundation
Mots-clésHabitatArchipelagoGeographyMarine mammalSeasonalityOceanographyFisheryEcologyMonsoonPopulationMarine protected areaAbundance (ecology)ShoreMarine reserveGeneralized additive modelSpecies richnessFishingBycatchBiologyGeology

Résumé

récupéré en direct d'OpenAlex

Fishing activities continue to decimate populations of marine mammals, fish, and their habitats in the coastal waters of the Kep Archipelago, a cluster of tropical islands on the Cambodia-Vietnam border. In 2019, the area was recognized as an Important Marine Mammal Area, largely owing to the significant presence of Irrawaddy dolphins (Orcaella brevirostris). Understanding habitat preferences and distribution aids in the identification of areas to target for monitoring and conservation, which is particularly challenging in data-limited nations of Southeast Asia. Here, we test the hypothesis that accurate seasonal habitat models, relying on environmental data and species occurrences alone, can be used to describe the ecological processes governing abundance for the resident dolphin population of the Kep Archipelago, Cambodia. Leveraging two years of species and oceanographic data—depth, slope, distance to shore and rivers, sea surface temperature, and chlorophyll-a concentration—we built temporally stratified models to estimate distribution and infer seasonal habitat importance. Overall, Irrawaddy dolphins of Kep displayed habitat preferences similar to other populations, and were predominately encountered in three situations: (1) water depths ranging from 3.0 to 5.3 m, (2) surface water temperatures of 27–32°C, and (3) in close proximity to offshore islands (< 7.5 km). With respect to seasonality, statistical tests detected significant differences for all environment variables considered except seafloor slope. Four predictor sets, each with a unique combination of variables, were used to map seasonal variation in dolphin habitat suitability. Models with highest variable importance scores were water depth, pre- and during monsoon season (61–62%), and sea surface temperature, post-monsoon (71%), which suggests that greater freshwater flow during the wet season may alter primary productivity and dolphin prey abundance. Importantly, findings show the majority of areas with highest habitat suitability are not currently surveyed for dolphins and located outside Kep’s Marine Fisheries Management Area. This research confirms the need to expand monitoring to new areas where high-impact fisheries and other human activities operate. Baseline knowledge on dolphin distribution can guide regional conservation efforts by taking into account the seasonality of the species and support the design of tailored management strategies that address transboundary threats to an Important Marine Mammal Area.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,091
Score d'incertitude au seuil0,181

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,226
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Marine ScienceMême sujetMarine animal studies overviewTravaux en français237 207