Fault bars and the risk of feather damage in cranes
Notice bibliographique
Résumé
Fault bars are translucent areas across feathers grown under stressful conditions. They are ubiquitous across avian species and feather tracts. Because fault bars weaken feather structure and can lead to feather breakage, they may reduce flight performance and lower fitness. Therefore, natural selection might prime mechanisms aimed at reducing the cost of fault bars, penalizing their occurrence in those feathers more relevant for flight. Here, we tested one prediction of this ‘fault bar allocation hypothesis’: that the prevalence, abundance and risk of damage of fault bars change across the wing feathers of a long-distance migrant, the sandhill crane Grus canadensis as a function of the strength requirements of feathers for flight. We analysed 2411 wing feathers with 4676 fault bars from 39 cranes in active migration. Fault bars did not increase feather damage with feather age. The occurrence of fault bars decreased from proximal to distal wing portions, both in flight feathers and in coverts, according to the presumed greater strength requirements of external wing feathers during flight. The occurrence of fault bars was variable when producing low feather damage (<2%) but was consistently low for fault bars with a higher damage probability (>2–30%). Altogether, our results suggest that fault bars are common on the feathers of birds even after millions of years of evolution because natural selection seems to penalize birds with particularly harmful fault bars in certain feathers and of a certain magnitude, but is unable to eliminate less harmful fault bars according to their strength and position.
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 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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».