Urban sharks: residency patterns of marine top predators in relation to a coastal metropolis
Notice bibliographique
Résumé
Understanding and ultimately predicting how marine organisms will respond to urbanization is central for effective wildlife conservation and management in the Anthropocene. Sharks are upper trophic level predators in virtually all marine environments, but if and how their behaviors are influenced by coastal urbanization remains understudied. Here, we examined space use and residency patterns of 14 great hammerheads Sphyrna mokarran , 13 bull sharks Carcharhinus leucas , and 25 nurse sharks Ginglymostoma cirratum in proximity to the coastal metropolis of Miami, Florida, using passive acoustic telemetry. Based on the terrestrial urban carnivore literature, we predicted sharks would exhibit avoidance behaviors of areas close to Miami, with residency patterns in these urban areas increasing during periods of lower human activity, such as during nocturnal hours and weekdays, and that dietary specialists (great hammerhead) would exhibit comparatively lower affinity towards highly urbanized areas relative to dietary generalists (bull and nurse shark). However, we did not find empirical support for these predictions. Space use patterns of tracked sharks were consistent with that of ‘urban adapters’ (species that exhibit partial use of urban areas). Modeling also revealed that an unmeasured spatial variable was driving considerable shark residency in areas exposed to high urbanization. We propose several hypotheses that could explain our findings, including food provisioning from shore-based activities that could be attracting sharks to urban areas. Ultimately, the lack of avoidance of urban areas by sharks documented here, as compared to terrestrial carnivores, should motivate future research in the growing field of urban ecology.
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 | 0,005 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 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 ».