Factors affecting duck nesting in the aspen parklands : a spatial analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Habitat fragmentation often has been cited as a cause for reduced reproductive success of grassland-nesting birds, including ducks, though results of many studies have been equivocal.As remotely sensed habitat data become increasingly available, an increased understanding of how habitat configurations affect demographic parameters will allow wildlife managers to make better decisions about habitat preservation and restoration.We used duck (Anas spp.) nesting data from 15 65-km2 study areas (n 6300 nests) dispersed throughout the aspen (Populus tremuloides) parklands of south-central Canada, to test hypotheses and build models that predict hatching rates and nest-site distributions in relation to landscape features.We constructed separate models using landscape features generated at 3 different spatial extents and using 3 different habitat classification schemes.Generalized linear mixed-modeling techniques were used to model hatching rates, and logistic regression was used to discriminate between nest location and random points.Information-theoretic techniques were used to select the best models.Hatching rates generally increased with habitat patch size, and with distance from habitat edge and nearest wetland though relationships were complex.Several interactions improved the fit of our models.We used life-history theory and models of hatching rates to construct hypotheses about how birds should choose nest sites.The same covariates that were useful for predicting hatching rates also were useful for discriminating between nest sites and random points; however, birds did not always choose the safest habitats as nest locations.Therefore, fitness may not be maximized by nest choice.In each case, models built from landscape features generated at the smallest spatial extent had the greatest discriminatory ability; however, inclusion of variables from >1 spatial extent significantly improved our models.Finally, we demonstrate how our models can be incorporated ' v
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.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle