UPLAND-NESTING DUCKS IN THE PARKLANDS OF SASKATCHEWAN: THE EFFECT OF PREDATOR REDUCTION ON NEST SUCCESS AND REPRODUCTIVE INVESTMENT
Notice bibliographique
Résumé
I examined the effect of predator reduction on nest success and reproductive investment of upland-nesting ducks in the parklands of Saskatchewan during 2007-09. I used nest defense behaviors as a measure of a hen's reproductive investment and looked at a possible mechanism for adaptively modified reproductive investment. I hypothesized that ducks use ultra-violet (UV) light reflecting off predator urine to evaluate predator densities, and then select nests sites and modify reproductive investment accordingly. Professional trappers removed an average of 191 predators off each treatment block. In 2007 nest success on treatment blocks averaged 33.6% (SE = 4.5) and control blocks averaged 5.6% (SE = 0.2). With the apparent higher likelihood of success on treatment blocks in 2007, hens increased their nest defense, but I found no significant difference in the number of nests on sites with low and high simulated predator densities. In 2008 and 2009 we transposed the treatments and as a result, nest success on treatment blocks averaged only 3.0% (SE = 0.7), while nest success on control blocks averaged 3.6% (SE = 2.3), indicating no effect of predator reduction on the threat of predation. Similarly, as would be expected, I found nest defense behaviors did not differ between treatment and control blocks in 2008 and 2009. However in 2008, significantly more ducks nested in plots where simulated predator densities were lower, providing support for my hypothesis that hens utilize UV cues to determine predator densities. My results also support previously hypothesized relationships between nest defense and incubation stage, visit number, and life history traits. Although results of my study indicate predator reduction does not always increase nest success in the parklands, hens do appear to increase reproductive investment when likelihood of reproductive success is higher, potentially positively influencing waterfowl populations.
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 | 0,000 | 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 | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».