Space use of polar bears (<i>Ursus maritimus</i>) in Davis Strait in relation to sea ice and harp seals (<i>Pagophilus groenlandicus</i>)
Notice bibliographique
Résumé
Polar bears ( Ursus maritimus Phipps, 1774) rely on seals as their primary prey, yet predator–prey spatial relationships are poorly understood. We examined the spatial relationship between Davis Strait polar bears and harp seals ( Pagophilus groenlandicus Erxleben, 1777), using satellite telemetry for both species. We analyzed sea ice trends using remote sensing (1979–2021) to examine how their environment may be changing using four sea ice seasons (freeze-up, winter, break-up, and summer). Sea ice cover decreased and summer season lengthened over time. Polar bears ( n = 18) tracked in 1991–2001 for 7–12 months had a mean 95% minimum convex polygon (MCP) home range size of 108 146 km 2 (standard error of the mean (SE) = 18 252 km 2 ) and a mean 95% kernel density home range size (kernel density estimate (KDE)) of 76 863 km 2 (SE = 12 260 km 2 ). Harp seals ( n = 22) tracked for 5–8 months in 1993–2005 had a mean 95% MCP of 693 403 km 2 (SE = 74 384 km 2 ) and a mean 95% KDE of 395 316 km 2 (SE = 48 688 km 2 ). During freeze-up, the core-use areas of both species did not overlap, but the broad-use areas did. During break-up, the broad-use areas overlapped more than the core-use areas. The space use of both species was influenced by the sea ice seasons and these seasons have changed over time.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».