MétaCan
Menu
Retour à la cohorte
Enregistrement W2612297937 · doi:10.1038/s41598-017-02045-z

Increasing phenological asynchrony between spring green-up and arrival of migratory birds

2017· article· en· W2612297937 sur OpenAlexafffund
Stephen J. Mayor, Robert Guralnick, Morgan W. Tingley, Javier Otegui, John C. Withey, Sarah C. Elmendorf, Margaret E. Andrew, Stefan Leyk, Ian S. Pearse, David C. Schneider

Notice bibliographique

RevueScientific Reports · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaEcological Society of America
Mots-clésPasserinePhenologyClimate changeEcologyGeographyBird migrationBiologyGlobal warming

Résumé

récupéré en direct d'OpenAlex

Consistent with a warming climate, birds are shifting the timing of their migrations, but it remains unclear to what extent these shifts have kept pace with the changing environment. Because bird migration is primarily cued by annually consistent physiological responses to photoperiod, but conditions at their breeding grounds depend on annually variable climate, bird arrival and climate-driven spring events would diverge. We combined satellite and citizen science data to estimate rates of change in phenological interval between spring green-up and migratory arrival for 48 breeding passerine species across North America. Both arrival and green-up changed over time, usually in the same direction (earlier or later). Although birds adjusted their arrival dates, 9 of 48 species did not keep pace with rapidly changing green-up and across all species the interval between arrival and green-up increased by over half a day per year. As green-up became earlier in the east, arrival of eastern breeding species increasingly lagged behind green-up, whereas in the west-where green-up typically became later-birds arrived increasingly earlier relative to green-up. Our results highlight that phenologies of species and trophic levels can shift at different rates, potentially leading to phenological mismatches with negative fitness consequences.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,029
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,039
Tête enseignante GPT0,268
Écart entre enseignants0,229 · 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.

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

Citations225
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207