Sea otter recovery buffers century-scale declines in California kelp forests
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The status of kelp forests and their vulnerability to climate change are of global significance. As the foundation for productive and extensive ecosystems, understanding long-term kelp forest trends is critical to coastal ecosystem management, climate resiliency, and restoration programs. In this study, we curate historical US government kelp canopy inventories, develop methods to compare them with contemporary surveys, and use a machine learning framework to evaluate and rank the drivers of change for California kelp forests over the last century. Historical surveys documented Macrocystis and Nereocystis kelp forests covered approximately 120.4 km 2 in 1910–1912, which is only slightly above surveys in 2014–2016 (112.0 km 2 ). These statewide comparisons, however, mask dramatic regional changes with increases in Central California (+57.6%, +19.7 km 2 ) and losses along the Northern (-63.0%, -8.1 km 2 ), and Southern (-52.1%, -18.3 km 2 ) mainland coastlines. Random Forest models rank sea otter ( Enhydra lutris nereis ) population density as the primary driver of kelp changes, with benthic substrate, extreme heat, and high annual variation in primary productivity also significant. This century-scale perspective identifies dramatically different outcomes for California’s kelp forests, providing a blueprint for nature-based solutions that enhance coastal resilience 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.
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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 découle