MétaCan
Menu
Retour à la cohorte
Enregistrement W2019251057 · doi:10.2326/osj.4.161

Effects of forest harvesting on Bufflehead and Common Loon foraging behavior

2005· article· en· W2019251057 sur OpenAlexaffabout
Johanna P. Pierre, Shelly M. Boss, Cynthia A. Paszkowski

Notice bibliographique

RevueORNITHOLOGICAL SCIENCE · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésForagingLoggingTaigaBorealBiomass (ecology)EcologyFisheryEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

We compared foraging behavior of Bufflehead (Bucephala albeola Linnaeus) and Common Loon (Gavia immer Brünnich) on eight lakes in harvested and unharvested boreal mixedwood forest in northern Alberta, Canada. For one summer before (1996) and two summers after (1997, 1998) forest harvesting around three of the eight lakes, we recorded the duration of Bufflehead and Common Loon dives. After logging, forested buffer strips 100 m-wide separated cut-blocks from lakes (‘harvested lakes’). ‘Unharvested lakes’ were surrounded by ⩾450 m of undisturbed forest throughout the study. There were no detectable differences in dive duration between harvested and unharvested lakes for Bufflehead or Common Loon. Correlations between environmental variables (water clarity, fish biomass, depth) and the duration of Common Loon dives were not significant. However, the duration of Bufflehead dives differed between lakes, unrelated to forest harvesting. The duration of Buffle-head dives was negatively correlated with water clarity but was not significantly correlated with fish biomass. While our study shows that the foraging behavior of Buffle-heads was affected by lake conditions, the utility of aquatic birds as indicators of the effects of forestry on western boreal lakes remains unproven.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,167
Score d'incertitude au seuil0,332

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,250
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueORNITHOLOGICAL SCIENCEMême sujetFish Ecology and Management StudiesTravaux en français237 207