MétaCan
Menu
← Retour à la cohorte
Enregistrement W4386884595 · doi:10.1371/journal.pone.0290643

Vulnerability to climate change of United States marine mammal stocks in the western North Atlantic, Gulf of Mexico, and Caribbean

2023· article· en· W4386884595 sur OpenAlexaff
Matthew D. Lettrich, Michael J. Asaro, Diane Borggaard, Dorothy M. Dick, Roger B. Griffis, Jenny A. Litz, Christopher Orphanides, Debra L. Palka, Melissa S. Soldevilla, Brian C. Balmer, Samuel Chavez, Danielle Cholewiak, Diane Claridge, Ruth Y. Ewing, Kristi L. Fazioli, Dagmar Fertl, Erin Fougeres, Damon P. Gannon, Lance Garrison, James R. Gilbert, Antoinette M. Gorgone, Aleta A. Hohn, Stacey Horstman, Beth Josephson, Robert D. Kenney, Jérémy J. Kiszka, Katherine Maze-Foley, Wayne E. McFee, Keith D. Mullin, Kimberly T. Murray, Daniel E. Pendleton, Jooke Robbins, Jason J. Roberts, Grisel Rodríguez Ferrer, Errol I. Ronje, Patricia E. Rosel, Todd Speakman, Joy E. Stanistreet, Tara S. Stevens, Megan Stolen, Reny B. Tyson, Nicole L. Vollmer, Randall S. Wells, Heidi R. Whitehead, Amy Whitt

Notice bibliographique

RevuePLoS ONE · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesCooperative Institute for Marine and Atmospheric Studies, University of MiamiOffice of ScienceNational Oceanic and Atmospheric AdministrationNational Marine Fisheries ServiceUniversity of Miami
Mots-clésMarine mammalClimate changeVulnerability assessmentVulnerability (computing)MammalGeographyEnvironmental scienceOceanographyEcologyFisheryBiology

Résumé

récupéré en direct d'OpenAlex

Climate change and climate variability are affecting marine mammal species and these impacts are projected to continue in the coming decades. Vulnerability assessments provide a framework for evaluating climate impacts over a broad range of species using currently available information. We conducted a trait-based climate vulnerability assessment using expert elicitation for 108 marine mammal stocks and stock groups in the western North Atlantic, Gulf of Mexico, and Caribbean Sea. Our approach combined the exposure (projected change in environmental conditions) and sensitivity (ability to tolerate and adapt to changing conditions) of marine mammal stocks to estimate vulnerability to climate change, and categorize stocks with a vulnerability index. The climate vulnerability score was very high for 44% (n = 47) of these stocks, high for 29% (n = 31), moderate for 20% (n = 22), and low for 7% (n = 8). The majority of stocks (n = 78; 72%) scored very high exposure, whereas 24% (n = 26) scored high, and 4% (n = 4) scored moderate. The sensitivity score was very high for 33% (n = 36) of these stocks, high for 18% (n = 19), moderate for 34% (n = 37), and low for 15% (n = 16). Vulnerability results were summarized for stocks in five taxonomic groups: pinnipeds (n = 4; 25% high, 75% moderate), mysticetes (n = 7; 29% very high, 57% high, 14% moderate), ziphiids (n = 8; 13% very high, 50% high, 38% moderate), delphinids (n = 84; 52% very high, 23% high, 15% moderate, 10% low), and other odontocetes (n = 5; 60% high, 40% moderate). Factors including temperature, ocean pH, and dissolved oxygen were the primary drivers of high climate exposure, with effects mediated through prey and habitat parameters. We quantified sources of uncertainty by bootstrapping vulnerability scores, conducting leave-one-out analyses of individual attributes and individual scorers, and through scoring data quality for each attribute. These results provide information for researchers, managers, and the public on marine mammal responses to climate change to enhance the development of more effective marine mammal management, restoration, and conservation activities that address current and future environmental variation and biological responses due to climate change.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,195
Score d'incertitude au seuil0,388

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,060
Tête enseignante GPT0,252
Écart entre enseignants0,192 · 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'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

Citations28
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetMarine animal studies overview→Travaux en français237 207→