MétaCan
Menu
Retour à la cohorte
Enregistrement W2101358433 · doi:10.1111/j.1365-2435.2012.02048.x

Heat dissipation limit theory and the evolution of avian functional traits in a warming world

2012· article· en· W2101358433 sur OpenAlexfundno aff
David Grémillet, Laurence Meslin, Amélie Lescroël

Notice bibliographique

RevueFunctional Ecology · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhysiological and biochemical adaptations
Établissements canadiensnon disponible
Organismes subventionnairesCentre National de la Recherche ScientifiqueCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorMcGill UniversityNational Science Foundation
Mots-clésBiologyPlumageEnergeticsThermoregulationMetabolic rateThermal management of electronic devices and systemsLimit (mathematics)Ecology

Résumé

récupéré en direct d'OpenAlex

Summary It is generally assumed that animal energy expenditure is limited by energy acquisition. In a series of publications, Speakman, Król and colleagues argue that the capacity to dissipate metabolic heat may also limit maximum rates of energy expenditure in endotherms (heat dissipation limit theory – HDL theory). The implications of the HDL theory for the evolution of avian functional traits are substantial and open fascinating research perspectives. Notably, the HDL theory leads us to (i) link elevated bird body temperatures with their capacity to achieve higher rates of heat loss and of energy expenditure, (ii) reconsider the evolution of avian plumage patterns and speculate upon the capacity of white birds to achieve higher field metabolic rates than darker relatives, (iii) hypothesize that the avian brood patch also functions as a thermal window allowing birds to shed excess heat and (iv) revise our current view of the adaptive significance of limited plumage thermal insulation in great cormorants. Such features have important implications for the capacity of birds to cope with global warming and for the design of mechanistic models of animal energetics aiming at predicting their responses to changing environmental conditions.

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 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 enseignants0,281
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)0,0020,000

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 Opus0,016
Tête enseignante GPT0,207
Écart entre enseignants0,191 · 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.

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

Citations24
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFunctional EcologyMême sujetPhysiological and biochemical adaptationsTravaux en français237 207