How safe is mist netting? evaluating the risk of injury and mortality to birds
Notice bibliographique
Résumé
Summary 1. The capture of birds using mist nets is a widely utilized technique for monitoring avian populations. While the method is assumed to be safe, very few studies have addressed how frequently injuries and mortalities occur and the associated risks have not been formally evaluated. 2. We quantified the rates of mortality and injury at 22 banding organizations in the United States and Canada and used capture data from five organizations to determine what kinds of incidents occur most frequently. Analyses focused on passerines and near‐passerines, but other groups were included. We evaluated whether body mass, age, sex, mist net mesh size, month and time of day or frequency of capture are related to the risk or type of incident. We also compared the recapture histories over time between birds that were injured and those that were never injured for 16 species. 3. The average rate of injury was 0·59%, while mortality was 0·23%. Birds captured frequently were less at risk to incident. Body mass was positively correlated with incident and larger birds were at greater risk to predation, leg injuries, broken legs, internal bleeding and cuts, while smaller birds were more prone to stress, tangling‐related injuries and wing strain. Rates of incident varied among species, with some at greater risk than others. We found no evidence for increased mortality over time of injured birds compared with uninjured birds. 4. We provide the first comprehensive evaluation of the risks associated with mist netting. Our results indicate that (1) injury and mortality rates below one percent can be achieved during mist netting and (2) injured birds are likely to survive in comparable numbers to uninjured birds after release. While overall risks are low, this study identified vulnerable species and traits that may increase a bird’s susceptibility to incident that should be considered in banding protocols aimed at minimizing injury and mortality. Projects using mist nets should monitor their performance and compare their results to those of other organizations.
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 | 0,003 | 0,009 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».