Describing breeding territories of migratory passerines: suggestions for sampling, choice of estimator, and delineation of core areas
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
1 The goals of this study were to investigate the possibility of using kernel techniques to estimate male breeding territory size and delineate core areas, focusing on a small nontransmitter bearing bird, the cerulean warbler. We then compared the performance of kernel estimators with traditionally used minimum convex polygons (MCP). 2 Given the lack of a consistent across-male sample size–area relationship, we opted to use each male's full set of locations in the kernel calculation rather than standardizing sample size across males. 3 All locations collected for each male were biologically independent though statistically autocorrelated. Subsampling locations did not achieve independence even at time intervals far exceeding biological independence. 4 The physical space bounded by kernel and MCP methods differed drastically in certain cases, especially in situations where there were large areas within a territory that were never visited during our data collection sessions. 5 Kernel methods of territory estimation were far more accurate and informative than MCP for cerulean warblers. We suggest that evenly sampling individuals in a biologically relevant manner during a strictly defined study period is more important than standardizing sample size across individuals. Furthermore, sampling regimes can safely be guided by biological vs. statistical independence timelines. 6 Avian biologists should consider kernel estimators as an option especially for habitat selection studies where accurate territory boundary and size estimation is crucial.
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 | 0,000 | 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 découle