A Multi-Dimensional Examination of Foraging Habitat Use by Gray Whales Using Long Time-Series and Acoustics Data
Notice bibliographique
Résumé
) show high site fidelity to feeding and breeding areas. The whales' annual cycle could be learned or be driven by factors such as prey abundance or ocean conditions. Long-term line transect and photo-identification data were analyzed to consider intra- and inter- annual patterns of habitat use and the underlying drivers for foraging areas in Clayoquot Sound, British Columbia. Time series, autocorrelation and weighted means analysis were used on the 20-years of data (1997-2016). A generalized additive model showed that whale use of the area was most strongly influenced by the maximum number of whales, and the date of its occurrence, recorded the previous year. This maximum, when it occurred in the summer, impacted the whale numbers for up to four subsequent years. The annual average number of whales per transect also influenced the proportion of whales known to return in multiple years to forage. Many of these returning whales first used the site to wean and returned in subsequent years to feed. The transect data was also used to contextualize passive acoustic recordings, comparing call type and rate for periods when the whale number, location and social context was known. Calling patterns appeared to be socially derived, with shorter-range knock calls dominant when whales were closer, and lower-frequency moans when foraging occurred when whales were more distant from each other. This suggests that prey-finding and site use may also be influenced by conspecifics.
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 | 0,003 |
| 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 ».