MétaCan
Menu
Retour à la cohorte
Enregistrement W2061359192 · doi:10.1890/13-1711.1

Responses of cavity‐nesting birds to fire: testing a general model with data from the Northern Flicker

2014· article· en· W2061359192 sur OpenAlexafffund
Karen L. Wiebe

Notice bibliographique

RevueEcology · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPhilopatryNest (protein structural motif)TerritorialityEcologyAnatidaeHabitatReproductive successPopulationGeographyBiologyWaterfowlNesting (process)ReproductionAvian clutch sizeDemographyBiological dispersal

Résumé

récupéré en direct d'OpenAlex

Census‐based studies document changes in population size of animal species in response to wildfires, but mechanisms involving behavior of individuals and the effects on reproductive success are usually unknown. I developed a conceptual model explaining the persistence of cavity‐nesting birds on the landscape after fires depending on carrying capacity (food supply) of the habitat and the philopatry and territoriality of the species. The breeding density, nest site characteristics, and reproductive success of Northern Flickers Colaptes auratus was studied before and after low‐ to moderate‐severity fires on replicated plots. The density and spatial distribution of nests did not change in a consistent way after fires, but the rates of cavity excavation increased and characteristics of nest sites changed as such decay class of the tree. Laying dates were delayed and clutches were smaller in freshly excavated vs. reused cavities on the burned sites. Breeding philopatry caused a shift to older age classes in the population. Depredation of nests by small mammals increased during the first three years after fires, reducing the number of young produced per nest attempt on burned plots. The study shows that, even when fire does not reduce the density of breeding pairs, there may be detrimental effects detected only by monitoring the behavior and reproduction of individuals.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,551
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
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 ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,031
Tête enseignante GPT0,246
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 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

Citations31
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcologyMême sujetFire effects on ecosystemsTravaux en français237 207