MétaCan
Menu
Retour à la cohorte
Enregistrement W3210022495 · doi:10.1111/mms.12886

Long‐term decline in abundance of male sperm whales visiting Kaikōura, New Zealand

2021· article· en· W3210022495 sur OpenAlexaff
Tamlyn R. Somerford, Steve Dawson, Elisabeth Slooten, Marta Guerra, Simon Childerhouse, Christoph Richter, Miranda L. van der Linde, William Rayment

Notice bibliographique

RevueMarine Mammal Science · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of Otago
Mots-clésAbundance (ecology)Sperm whaleBiologyEcologySpermPopulationPopulation declineDemographyEmigrationGeographyHabitatArchaeology

Résumé

récupéré en direct d'OpenAlex

Abstract Kaikōura, New Zealand, is one of the few places worldwide where sperm whales can be routinely found close to the coast. Although whales are present nearly all year round, no individuals are truly resident. In this study, we analyzed photo‐identification data collected over 27 years to investigate long‐term trends in inshore abundance. We contrasted two analytical approaches: Cormack‐Jolly‐Seber (CJS) mark‐recapture models, and the “Robust Design,” which can incorporate temporary emigration of individuals. CJS models for open populations showed a significant decline in the annual number of individual males, from 89, 95% CI [60, 133] in 1991, to 40, 95% CI [33–49] in 2017. The Robust Design models indicated that the trend was driven by a decline in abundance of whales using Kaikōura during summer, from 54, 95% CI [18, 156] in 1990, to 23, 95% CI [16, 33] in 2017. In contrast, there was no evidence for change in the numbers of whales using Kaikōura during winter. Incorporating temporary emigration had the most support, indicating Robust Design was more appropriate for estimating abundance. The results of Pradel recruitment models suggest that recruitment to the population using the study area during summer declined during the late 1990s/early 2000s, potentially explaining the decline in abundance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,105
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,005
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,015
Tête enseignante GPT0,255
Écart entre enseignants0,241 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMarine Mammal ScienceMême sujetMarine animal studies overviewTravaux en français237 207