Predicting nest survival in sea turtles: when and where are eggs most vulnerable to predation?
Notice bibliographique
Résumé
Nest predation is an important practical challenge for the conservation of egg-laying reptiles, with the potential to reduce hatchling recruitment and slow the recovery of threatened populations. Accurately forecasting where and when predation will occur has the potential to optimize predation management. Survival analysis, a set of statistical techniques recently popularized in studies of avian nest success, provides a unique approach for modelling variation in egg mortality risk throughout development. We used Cox proportional hazards regression to model the survival of sea turtle eggs from predation by the small Asian mongoose Herpestes javanicus, a widely introduced and destructive sea turtle nest predator in the Caribbean. We evaluated the ability of models to predict egg survival using 7 years of nest predation data for critically endangered hawksbill sea turtles Eretmochelys imbracata in Barbados. Daily predation risk was the highest for freshly laid nests, decreasing rapidly with nest age but increasing again near the end of development. Predation risk was the highest in and near patches of beach vegetation, increased over the nesting season and increased with nest density on the open beach but not in vegetation. Survival models calibrated using data from 2004 to 2005 showed excellent discrimination and ≥84% accuracy when predicting the fate of nests from previous years. Our study provides the first quantification of the daily variation in predation risk for incubating turtle eggs, revealing a narrow time window early in development during which the application of predation reduction measures is likely to have the greatest impact on nest survival. More generally, we demonstrate the utility of survival analysis for generating fine-scale predictions of spatiotemporal variation in turtle egg mortality, providing a flexible tool for the conservation of sea turtles and other egg-laying reptiles.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| 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 | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».