Habitat use of Guiana dolphin Sotalia guianensis in a heavily urbanized embayment
Notice bibliographique
Résumé
Understanding environmental and anthropogenic variables that influence the presence of dolphins in coastal areas is fundamental for conservation planning and forecasting. In this study, we applied generalized additive models to identify areas of high probability of occurrence of Guiana dolphins in Mucuripe embayment, a heavily urbanized area in northeastern Brazil. Sighting and effort data were collected during systematic, boat-based surveys between 2009 and 2011. Models were built using 70% of the data to test the model and 30% to evaluate its predictive performance. Variables investigated included depth, slope, seabed complexity, and distance to the coast, breakwaters, and the fishing grounds. The best model explained 40.8% of the total deviance. Seabed complexity, distance to the breakwaters and distance to the fishing grounds were the most important variables, with dolphins showing a preference for areas with a less complex seabed immediately adjacent to the breakwaters (<500 m, decreasing with distance) as well as a preference for fishing grounds (again decreasing with distance). Using the validation data, the model showed excellent performance. The habitat use and preference of Guiana dolphins in the study area seem to be mainly influenced by foraging opportunities, with dolphins concentrating in areas with higher prey abundance and where foraging success is higher because of a strategy called ‘barrier-feeding’, in which animals herd fish against piers, breakwaters, and the coast.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».