MétaCan
Menu
Retour à la cohorte
Enregistrement W2058905850 · doi:10.1002/jwmg.293

Foraging preferences of Canada geese among turfgrasses: Implications for reducing human–goose conflicts

2011· article· en· W2058905850 sur OpenAlexaboutno aff
Brian E. Washburn, Thomas W. Seamans

Notice bibliographique

RevueJournal of Wildlife Management · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueTurfgrass Adaptation and Management
Établissements canadiensnon disponible
Organismes subventionnairesBern Center for Precision Medicine, University of Bern
Mots-clésBrantaGooseForagingForageWildlifeAgronomyBiologyLitterGeographyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Canada geese ( Branta canadensis ) can cause serious damage to turfgrass areas and create human health and safety concerns (e.g., collisions with aircraft, disease transmission). We conducted a study during 2005–2007 to determine if Canada geese exhibit a feeding preference among various commercially available turfgrasses. Behavioral responses of captive geese to 9 turfgrasses, bare ground, and litter were observed over 6 4‐week trials during July–September following the installation of selected turfgrasses into experimental arenas. Captive geese preferred to forage on Kentucky bluegrass, creeping bentgrass, and fine fescue sods compared to centipedegrass, St. Augustinegrass, and zoysiagrass. Forage qualities and macronutrient levels varied among the turfgrasses and might explain the foraging preferences geese exhibited during this study. Canada goose feeding rate was positively correlated with crude protein, nitrogen content, and calcium, but negatively correlated with acid detergent fiber content, within various turfgrasses. Our findings suggest careful selection of turfgrasses could be an effective method for reducing Canada goose conflicts in urban and suburban areas. © 2011 The Wildlife Society.

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)0,001
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 enseignants0,746
Score d'incertitude au seuil0,504

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,041
Tête enseignante GPT0,255
Écart entre enseignants0,214 · 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

Citations25
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Wildlife ManagementMême sujetTurfgrass Adaptation and ManagementTravaux en français237 207