MétaCan
Menu
Retour à la cohorte
Enregistrement W2097904204 · doi:10.1098/rsbl.2012.0359

Flight responses by a migratory soaring raptor to changing meteorological conditions

2012· article· en· W2097904204 sur OpenAlexaff
Michael Lanzone, Tricia A. Miller, Philip Turk, David Brandes, Casey Halverson, Charles Maisonneuve, Junior A. Tremblay, Jeff Cooper, Kieran O’Malley, Robert P. Brooks, Todd E. Katzner

Notice bibliographique

RevueBiology Letters · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAvian ecology and behavior
Établissements canadiensMinistère des Ressources naturelles et des Forêts (Québec)
Organismes subventionnairesnon disponible
Mots-clésBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Soaring birds that undertake long-distance migration should develop strategies to minimize the energetic costs of endurance flight. This is relevant because condition upon completion of migration has direct consequences for fecundity, fitness and thus, demography. Therefore, strong evolutionary pressures are expected for energy minimization tactics linked to weather and topography. Importantly, the minute-by-minute mechanisms birds use to subsidize migration in variable weather are largely unknown, in large part because of the technological limitations in studying detailed long-distance bird flight. Here, we show golden eagle (Aquila chrysaetos) migratory response to changing meteorological conditions as monitored by high-resolution telemetry. In contrast to expectations, responses to meteorological variability were stereotyped across the 10 individuals studied. Eagles reacted to increased wind speed by using more orographic lift and less thermal lift. Concomitantly, as use of thermals decreased, variation in flight speed and altitude also decreased. These results demonstrate how soaring migrant birds can minimize energetic expenditures, they show the context for avian decisions and choices of specific instantaneous flight mechanisms and they have important implications for design of bird-friendly wind energy.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,409
Score d'incertitude au seuil0,999

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)0,0020,002

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 Opus0,015
Tête enseignante GPT0,261
Écart entre enseignants0,245 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations86
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiology LettersMême sujetAvian ecology and behaviorTravaux en français237 207