MARC

 008260126s2024        us                              c    eng  d
■001000017358741
■00520260202104745
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798290652412
■035    ▼a(MiAaPQ)AAI32149744
■035    ▼a(MiAaPQ)Stanfordxf589kv7039
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a612
■1001  ▼aFahlbusch,  James  Andrew.
■24510▼aPhysical-Biological  Coupling  of  Krill  Drives  Blue  Whale  Foraging  at  Submesoscales
■260    ▼a[Sl]▼bStanford  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a153  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-01,  Section:  B.
■500    ▼aAdvisor:  Goldbogen,  Jeremy.
■5021  ▼aThesis  (Ph.D.)--Stanford  University,  2024.
■520    ▼aTo  sustain  their  extreme  body  size,  blue  whales  (Balaenoptera  musculus)  rely  on  consuming  large  quantities  of  small-bodied  prey.  Their  primary  prey  (i.e.,  krill,  Euphausia  spp.),  however,  is  unevenly  distributed  in  the  environment  and  is  often  aggregated  into  dynamic,  ephemeral  patches.  Patchiness  occurs  across  a  range  of  hierarchical  scales,  but  there  is  mounting  evidence  that  submesoscale  (i.e.,  10  km)  ocean  processes  play  a  critical  yet  understudied  role  in  structuring  marine  ecosystems,  especially  in  the  context  of  predator-prey  interactions  and  their  cascading  trophic  consequences.  This  dissertation  leverages  novel  technologies  at  the  intersection  of  biologging,  hydroacoustics  and  remote  sensing  to  inform  our  understanding  of  krill  patch  formation  and  how  blue  whales  find  and  feed  on  them.In  Chapter  1,  I  measure  blue  whale  movement  and  foraging  performance  concurrently  with  empirically-derived  surface  current  features  to  evaluate  how  habitat  selection  influences  feeding  rates  of  a  marine  predator.  The  findings  reveal  a  consistent  functional  relationship  in  which  blue  whales  disproportionately  foraged  within  dynamic  aggregative  submesoscale  features  at  both  the  regional  and  feeding  site  scales  across  seasons,  regions,  and  years.  This  study  directly  links  submesoscale  oceanic  features  to  predator  feeding  rates  and  represents  a  significant  advance  in  our  understanding  of  how  animals  optimize  foraging  performance  in  dynamic  oceanic  environments.  Further,  the  strong  associations  between  foraging  performance  and  aggregative  features  found  here  provide  an  important  mechanistic  explanation  for  increased  energy  gain  among  predators  at  mesoscale  features  demonstrated  in  previous  research.  Finally,  these  results  link  ephemeral  ocean  features  to  predator  feeding  performance,  which  could  improve  our  understanding  and  dynamic  management  of  critical  habitat  for  this  threatened  species  in  near  real-time.In  Chapter  2,  I  build  upon  the  results  from  Chapter  1  to  examine  whether  the  aggregative  surface  current  features  that  are  important  to  blue  whales  also  show  a  similar  relationship  with  krill  and  multiple  predator  aggregations.  This  study  evaluates  physical-biological  coupling  among  oceanographic  features,  acoustically  detected  prey  fields,  and  cetacean  sightings  in  the  Central  California  region.  The  results  show  that  aggregative  surface  current  features,  represented  by  Lagrangian  coherent  structures  (LCS)  integrated  over  temporal  scales  between  2  and  10  days,  were  associated  with  increased  subsurface  seawater  density,  krill  density,  and  baleen  whale  presence.  The  link  between  physical  oceanography,  krill  density  and  predator  distributions  found  here  suggests  that  submesoscale  processes,  which  lie  between  the  fine  and  mesoscales  explored  in  previous  studies,  serve  as  a  critical  scale  for  energy  flux  and  nutrient  transfer  across  trophic  levels.  This  study  represents  a  significant  advance  in  our  understanding  of  the  mechanisms  that  drive  patchiness  in  dynamic  oceanic  environments  and  is  a  first  step  to  help  inform  effective  management  and  conservation  goals  in  this  productive  ecosystem.In  Chapter  3  I  ask,  how  do  blue  whales  find  submesoscale  aggregative  features  that  contain  higher  densities  of  krill?  This  study  uses  high-resolution  tag  data  to  investigate  the  periods  immediately  preceding  the  onset  of  feeding  bouts  to  better  understand  the  search  behaviors  blue  whales  use  to  find  krill  at  the  submesoscale.  The  results  show  that  blue  whales  transition  from  tortuous  movement  to  directed  movement  toward  feeding  locations  at  a  range  of  approximately  1.62  km  to  the  krill  patch.
■590    ▼aSchool  code:  0212.
■650  4▼aPhysiology
■650  4▼aPlankton
■650  4▼aKinematics
■650  4▼aSoftware
■650  4▼aInvestigations
■650  4▼aWriting
■650  4▼aWhales  &  whaling
■650  4▼aFunding
■650  4▼aForaging  behavior
■650  4▼aEcosystems
■650  4▼aVisualization
■650  4▼aEndangered  &  extinct  species
■650  4▼aBirds
■650  4▼aChlorophyll
■650  4▼aEcosystem  biology
■690    ▼a0719
■71020▼aStanford  University.
■7730  ▼tDissertations  Abstracts  International▼g87-01B.
■790    ▼a0212
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17358741▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서