Identification of migratory bird flyways in North America using community detection on biological networks
Notice bibliographique
Résumé
Migratory behavior of waterfowl populations in North America has traditionally been broadly characterized by four north-south flyways, and these flyways have been central to the management of waterfowl populations for more than 80 yr. However, previous flyway characterizations are not easily updated with current bird movement data and fail to provide assessments of the importance of specific geographical regions to the identification of flyways. Here, we developed a network model of migratory movement for four waterfowl species, Mallard (Anas platyrhnchos), Northern Pintail (A. acuta), American Green-winged Teal (A. carolinensis), and Canada Goose (Branta canadensis), in North America, using bird band and recovery data. We then identified migratory flyways using a community detection algorithm and characterized the importance of smaller geographic regions in identifying flyways using a novel metric, the consolidation factor. We identified four main flyways for Mallards, Northern Pintails, and American Green-winged Teal, with the flyway identification in Canada Geese exhibiting higher complexity. For Mallards, flyways were relatively consistent through time. However, consolidation factors revealed that for Mallards and Green-winged Teal, the presumptive Mississippi flyway was potentially a zone of high mixing between other flyways. Our results demonstrate that the network approach provides a robust method for flyway identification that is widely applicable given the relatively minimal data requirements and is easily updated with future movement data to reflect changes in flyway definitions and management goals.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».