How many routes lead to migration? Comparison of methods to assess and characterize migratory movements
Notice bibliographique
Résumé
Decreasing rate of migration in several species as a consequence of climate change and anthropic pressure, together with increasing evidence of space-use strategies intermediate between residency and complete migration, are very strong motivations to evaluate migration occurrence and features in animal populations. The main goal of this paper was to perform a relative comparison between methods for identifying and characterizing migration at the individual and population level on the basis of animal location data. We classified 104 yearly individual trajectories from five populations of three deer species as migratory or non-migratory, by means of three methods: seasonal home range overlap, spatio-temporal separation of seasonal clusters and the Net Squared Displacement (NSD) method. For migratory cases, we also measured timing and distance of migration and residence time on the summer range. Finally, we compared the classification in migration cases across methods and populations. All methods consistently identified migration at the population level, that is, they coherently distinguished between complete or almost complete migratory populations and partially migratory populations. However, in the latter case, methods coherently classified only about 50% of the single cases, that is they classified differently at the individual-animal level. We therefore infer that the comparison of methods may help point to 'less-stereotyped' cases in the residency-to-migration continuum. For cases consistently classified by all methods, no significant differences were found in migration distance, or residence time on summer ranges. Timing of migration estimated by NSD was earlier than by the other two methods, both for spring and autumn migrations. We suggest three steps to identify improper inferences from migration data and to enhance understanding of intermediate space-use strategies. We recommend (i) classifying migration behaviours using more than one method, (ii) performing sensitivity analysis on method parameters to identify the extent of the differences and (iii) investigating inconsistently classified cases as these may often be ecologically interesting (i.e. less-stereotyped migratory behaviours).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».