MétaCan
Menu
Retour à la cohorte
Enregistrement W2116523870 · doi:10.1111/j.2007.0030-1299.15964.x

Winter commingling of populations of migratory species can cause breeding range underpopulation

2007· article· en· W2116523870 sur OpenAlexaff
Alexander M. Mills, Colin J. Weir

Notice bibliographique

RevueOikos · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAvian ecology and behavior
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFecunditySeasonal breederHabitatPopulationRange (aeronautics)EcologyBiologyPhilopatryCarrying capacityBreeding pairDensity dependenceBiological dispersalDemography

Résumé

récupéré en direct d'OpenAlex

We build a model with large‐scale demographic consequences for migratory species. The model operates where four elements co‐occur, and we rely on empirical research using migratory birds to demonstrate them. First, breeding ranges have internal structure flowing from natal philopatry. Second, fecundity varies geographically. Third, populations of different breeding provenances commingle during winter. And fourth, a population‐limiting carrying capacity operates during winter. In the absence of breeding season population‐limitation, only the breeding population with maximum fecundity persists. Consequently, some potential breeding areas that offer suitable and productive habitat are bereft of breeding birds because of the interplay between the geographical fecundity gradient and the shared winter quarters. Where breeding season population‐limitation also plays a role for at least one population, one (or more) breeding population becomes permanently depressed, resulting in a density well below the carrying capacity of the productive breeding habitat that is occupied. In either case, not all populations fare equally well, despite net positive breeding season productivity. Changes in winter carrying capacity, for example habitat degradation in winter quarters, can lead to uneven effects on geographically defined breeding populations, even though there has been no change in the circumstances of the breeding range.

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 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 enseignants0,009
Score d'incertitude au seuil0,863

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)0,0010,000

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 Opus0,054
Tête enseignante GPT0,279
Écart entre enseignants0,225 · 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

Citations4
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOikosMême sujetAvian ecology and behaviorTravaux en français237 207