Data and analysis from: Body mass, temperature, and depth shape the maximum intrinsic rate of population increase in sharks and rays
Notice bibliographique
Résumé
An important challenge in ecology is to understand variation in species' maximum intrinsic rate of population increase, 𝑟𝑚𝑎𝑥, not least because 𝑟𝑚𝑎𝑥 underpins our understanding of the limits of fishing, recovery potential, and ultimately extinction risk. Across many vertebrate species, terrestrial and aquatic, body mass and environmental temperature are important correlates of 𝑟𝑚𝑎𝑥. In sharks and rays, specifically, 𝑟𝑚𝑎𝑥 is known be lower in larger species, but also in deep-sea ones. We use an information-theoretic approach that accounts for phylogenetic relatedness to evaluate the relative importance of body mass, temperature and depth on 𝑟𝑚𝑎𝑥. We show that both temperature and depth have separate effects on shark and ray 𝑟𝑚𝑎𝑥 estimates, such that species living in deeper waters have lower 𝑟𝑚𝑎𝑥. Furthermore, temperature also correlates with changes in the mass scaling coefficient, suggesting that as body size increases, decreases in 𝑟𝑚𝑎𝑥 are much steeper for species in warmer waters. These findings suggest that there are (as-yet understood) depth-related processes that limit the maximum rate at which populations can grow in deep sea sharks and rays. While the deep ocean is associated with colder temperatures, other factors that are independent of temperature, such as food availability and physiological constraints, may influence the low 𝑟𝑚𝑎𝑥 observed in deep sea sharks and rays. Our study lays the foundation for predicting the intrinsic limit of fishing, recovery potential, and extinction risk species based on easily accessible environmental information such as temperature and depth, particularly for data-poor species. This repository contains the data and a minimum working example of the model-fitting process used for the article "Body mass, temperature, and depth shape productivity in sharks and rays", which is currently in press at Ecology and Evolution.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,044 | 0,021 |
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 ».