MétaCan
Menu
Retour à la cohorte
Enregistrement W7128466109 · doi:10.26108/bbwy-4t36

Arctic seabirds and shrinking sea ice: egg analyses reveal the importance of ice-derived resources

2019· article· en· W7128466109 sur OpenAlexaboutno aff
Fanny Cusset, Jérôme Fort, Mark L. Mallory, Birgit M. Braune, Philippe Massicotte, Guillaume Massé

Notice bibliographique

RevueAcadiaU-DEV · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAvian ecology and behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArcticClimate changeSea iceArctic ice packGlobal warmingThe arcticEctothermEcosystem

Résumé

récupéré en direct d'OpenAlex

In the Arctic, sea-ice plays a central role in the functioning of marine food webs and its rapid shrinking has large effects on the biota. It is thus crucial to assess the importance of sea-ice and ice-derived resources to Arctic marine species. Here, we used a multi-biomarker approach combining Highly Branched Isoprenoids (HBIs) with δ13c and δ15n to evaluate how much Arctic seabirds rely on sea-ice derived resources during the pre-laying period, and if changes in sea-ice extent and duration affect their investment in reproduction. Eggs of thick-billed murres (<em>Uria lomvia</em>) and northern fulmars (<em>Fulmarus glacialis</em>) were collected in the Canadian Arctic during four years of highly contrasting ice conditions, and analysed for HBIs, isotopic (carbon and nitrogen) and energetic composition. Murres heavily relied on ice-associated prey, and sea-ice was beneficial for this species which produced larger and more energy-dense eggs during icier years. In contrast, fulmars did not exhibit any clear association with sympagic communities and were not impacted by changes in sea ice. Murres, like other species more constrained in their response to sea-ice variations, therefore appear more sensitive to changes and may become the losers of future climate shifts in the Arctic, unlike more resilient species such as fulmars.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,009
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,021
Tête enseignante GPT0,280
Écart entre enseignants0,260 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcadiaU-DEVMême sujetAvian ecology and behaviorTravaux en français237 207