Chinook salmon depth distributions on the continental shelf are shaped by interactions between location, season, and individual condition
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
BACKGROUND: Ecological and physical conditions vary with depth in aquatic ecosystems, resulting in gradients of habitat suitability. Although variation in vertical distributions among individuals provides evidence of habitat selection, it has been challenging to disentangle how processes at multiple spatio-temporal scales shape behaviour. METHODS: acoustically tagged adult Chinook salmon Oncorhynchus tshawytscha, spanning multiple seasons and years. We used these data to parameterize a machine-learning model to disentangle the influence of spatial, temporal, and dynamic oceanographic variables while accounting for differences in individual condition and maturation stage. RESULTS: The top performing machine learning model used bathymetric depth ratio (i.e., individual depth relative to seafloor depth) as a response. We found that bathymetry, season, maturation stage, and spatial location most strongly influenced Chinook salmon depth. Chinook salmon bathymetric depth ratios were deepest in shallow water, during winter, and for immature individuals. We also identified non-linear interactions among covariates, resulting in spatially-varying effects of zooplankton concentration, lunar cycle, temperature and oxygen concentration. CONCLUSIONS: Our results suggest Chinook salmon vertical habitat use is a function of ecological interactions, not physiological constraints. Temporal and spatial variation in depth distributions could be used to guide management decisions intended to reduce fishery impacts on Chinook salmon. More generally, our findings demonstrate how complex interactions among bathymetry, seasonality, location, and life history stage regulate vertical habitat selection.
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) | 0,010 | 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 découle