Climatic effects on the breeding phenology and reproductive success of an arctic‐nesting goose species
Notice bibliographique
Résumé
Abstract Climate warming is pronounced in the Arctic and migratory birds are expected to be among the most affected species. We examined the effects of local and regional climatic variations on the breeding phenology and reproductive success of greater snow geese (Chen caerulescens atlantica), a migratory species nesting in the Canadian Arctic. We used a long‐term dataset based on the monitoring of 5447 nests and the measurements of 19 234 goslings over 16 years (1989–2004) on Bylot Island. About 50% of variation in the reproductive phenology of individuals was explained by spring climatic factors. High mean temperatures and, to a lesser extent, low snow cover in spring were associated with an increase in nest density and early egg‐laying and hatching dates. High temperature in spring and high early summer rainfall were positively related to nesting success. These effects may result from a reduction in egg predation rate when the density of nesting geese is high and when increased water availability allows females to stay close to their nest during incubation recesses. Summer brood loss and production of young at the end of the summer increased when values of the summer Arctic Oscillation (AO) index were either very positive (low temperatures) or very negative (high temperatures), indicating that these components of the breeding success were most influenced by the regional summer climate. Gosling mass and size near fledging were reduced in years with high spring temperatures. This effect is likely due to a reduced availability of high quality food in years with early spring, either due to food depletion resulting from high brood density or a mismatch between hatching date of goslings and the timing of the peak of plant quality. Our analysis suggests that climate warming should advance the reproductive phenology of geese, but that high spring temperatures and extreme values of the summer AO index may decrease their reproductive success up to fledging.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».