MétaCan
Menu
Retour à la cohorte
Enregistrement W2044578770 · doi:10.1650/condor-14-45.1

Legacy effects of habitat degradation by Lesser Snow Geese on nesting Savannah Sparrows

2014· article· en· W2044578770 sur OpenAlexaboutno aff
Stephen L. Peterson, Robert F. Rockwell, Christopher R. Witte, David N. Koons

Notice bibliographique

RevueOrnithological Applications · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEcologyHabitatSparrowAnatidaeHabitat destructionGooseSnowGeographyPopulationBiology

Résumé

récupéré en direct d'OpenAlex

Increased growth of the midcontinental population of Lesser Snow Geese (Chen caerulescens caerulescens) has led to overgrazing and habitat degradation at their Arctic and sub-Arctic breeding grounds. This habitat degradation has been shown to induce a trophic cascade that negatively affects plant, insect, and other avian species that share these habitats. In conjunction with a long-term study of the impacts of Lesser Snow Geese on habitat, we examined the dual influences of climate and long-term habitat change on the nesting occurrence of Savannah Sparrows near Churchill, Manitoba, Canada. Using multistate occupancy models, we found that variability in early-summer temperature and precipitation modulated year-to-year variability in nesting occurrence and detection probabilities. Extreme warm and wet conditions in early summer can benefit breeding Savannah Sparrows across the landscape. However, such events have not been prevalent enough to override the ~80% decline in Savannah Sparrow nesting occurrence over 36 yr. This dramatic decline can be attributed to the legacy of Lesser Snow Goose foraging, which has led to an 84% reduction in preferred shrub habitat for nesting Savannah Sparrows. Management actions targeted at reducing Lesser Snow Goose abundance and habitat restoration will be needed to allow sympatric Savannah Sparrows and functionally similar species to recover.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,473
Score d'incertitude au seuil0,673

Scores Codex et Gemma par catégorie

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,016
Tête enseignante GPT0,247
Écart entre enseignants0,231 · 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 tête enseignante, 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

Citations23
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrnithological ApplicationsMême sujetClimate variability and modelsTravaux en français237 207