MétaCan
Menu
← Back to cohort
Record W7133280566

Description de la répartition saisonnière et spatiale des proies du genre Calanus et des habitats potentiels d'alimentation de la baleine noire du nord de l'Atlantique dans les eaux canadiennes à l'aide de modèles de répartition des espèces

2024· other· fr· W7133280566 on OpenAlexaboutno aff
S. Plourde, C. Lehoux, J. J. Roberts, C. L. Johnson, N. Record, P. Pepin, C. Orphanides, R. S. Schick, H. J. Walsh, C. H. Ross

Bibliographic record

VenueFederal Open Science Repository of Canada / Le Dépôt fédéral de science ouverte du Canada · 2024
Typeother
Languagefr
Field
Topic
Canadian institutionsnot available
Fundersnot available
KeywordsEnvironmental factorCalanusCoastal zoneArctic
DOInot available

Abstract

fetched live from OpenAlex

L’objectif de cette étude était de décrire les variations saisonnières et spatiales de l’abondance des espèces de Calanus et de l’habitat d’alimentation potentiel de la baleine noire de l’Atlantique Nord (ci-après la baleine noire) dans les eaux canadiennes au cours de la période 1999-2020. Nous avons tiré parti des programmes de surveillance océanographique au Canada et aux États-Unis (É.-U.) pour élaborer une approche de modélisation intégrée comprenant les éléments suivants : (1) Modèles de répartition des espèces (MRE) de C. finmarchicus, de C. glacialis et de C. hyperboreus pour prédire leur abondance; (2) l’abondance prédite convertie en biomasse pour tenir compte des différences de taille entre les espèces de Calanus; (3) des modèles additifs généralisés (GAM) décrivant les variations saisonnières de la répartition verticale des espèces de Calanus; (4) une couche de proies multi espèces en 3D combinant la biomasse de la colonne d’eau et la répartition verticale propre à chaque espèce et (5) un modèle bioénergétique des baleines noires pour évaluer la qualité des des proies et décrire la répartition saisonnière et spatiale de l’habitat d’alimentation potentiel. Au moyen des GAM, nous avons construit une série de MRE basés sur différentes hypothèses mécanistiques concernant les facteurs touchant les populations d’espèces de Calanus dans les eaux canadiennes et américaines. Les modèles les plus performants comprenaient le terme de « connectivité » du paysage marin en plus d’autres covariables clés (température, bathymétrie), et ils supposaient que les réponses des espèces de Calanus aux covariables étaient généralement les mêmes dans l’ensemble du domaine (pas d’adaptation locale) avec une forte influence du transport dans certains endroits. Les termes de « température » et de « connectivité » représentent des patrons réalistes d’influence des différents régimes de température et des masses d’eau sur les espèces de Calanus dans les eaux canadiennes. Notre approche de modélisation intégrée a permis de cerner des habitats d’alimentation connus (p. ex. : bassin Roseway) et nouvellement identifiés (p. ex. : sud du golfe du Saint-Laurent [GSL]) de la baleine noire ainsi que d’autres habitats d’alimentation potentiels dans les eaux canadiennes. Nos résultats montrent que les zones d’alimentation potentielles de baleines noires dans les eaux canadiennes sont déterminées par un assemblage de plusieurs espèces de Calanus qui varie dans l’espace et dans le temps. Par conséquent, les conclusions concernant la résilience passée, actuelle et future des habitats d’alimentation des baleines noires aux variations des conditions environnementales et au changement climatique doivent être faites avec prudence en raison des réponses particulières des espèces à ces changements.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.631
Threshold uncertainty score0.734

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0010.000
Scholarly communication0.0010.001
Open science0.0010.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0030.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.017
GPT teacher head0.260
Teacher spread0.243 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2024
Admission routes1
Has abstractyes

Explore more

Same venueFederal Open Science Repository of Canada / Le Dépôt fédéral de science ouverte du Canada→French-language works237,207→