Avian nest success, mammalian nest predator abundance, and invertebrate prey availability in a fragmented landscape
Notice bibliographique
Résumé
Avian nest success is largely determined by predation, but factors affecting the abundance of potential nest predators are rarely studied. We used an information–theoretic approach to assess relative support for models including invertebrate biomass, mammalian nest predator abundance, and percent cover at nests as explanatory variables for nest success of Ovenbirds ( Seiurus aurocapilla (L., 1766)) and Wood Thrush ( Hylocichla mustelina (J.F. Gmelin, 1789)). We ranked models including local vegetation characteristics and landscape composition at two spatial scales (100 and 2000 m) as explanatory variables for the abundance of mammalian nest predator groups and for prey biomass. The nest success of Ovenbirds was best explained by a positive association with percent cover by forbs and seedlings, whereas a positive relationship with prey biomass best explained the nest success of Wood Thrush. Most mammal genera were associated with landscape composition within 100 m of the study sites, and most were positively associated with housing density. Prey biomass was best explained by a positive association with less intensive agriculture within 2000 m. Implementing silvicultural techniques that preserve important habitat features within fragmented forests, limiting housing density within 100 m, and increasing the amount of less intensive agriculture within 2000 m of forest fragments may improve nest success for forest songbirds.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».