A Population-level Analysis of Morning Song: Exploring the Implications for Point Counts
Notice bibliographique
Résumé
Point counts are widely used for conducting ecological surveys of wild birds. Vocal output of birds varies with time of day, and therefore the results of ecological surveys should also vary with time of day. We modeled how males’ singing rates change over the morning. We calculated song rates in 3 min sampling periods (the standard sampling period used by the North American Breeding Bird Survey) and compared how detection rates vary as sampling period increases. We recorded singing activity in 15 neighbourhoods of breeding Black-capped Chickadees (Poecile atricapillus) with 16-element microphone arrays that recorded every song from every male in every neighbourhood. We calculated the proportion of males that produced one or more songs during 3, 5, and 10 min count periods between nautical twilight and late morning. our results show a strong peak in singing activity just before sunrise followed by a steady decline in singing activity over the course of the morning. We found that longer sampling periods yielded significantly higher detection rates at all times after sunrise. After sunrise, detection rates never exceeded 60%, even with 10 min sampling periods. We found that unpaired males had significantly higher detection rates than paired males but we found no difference between paired males with fertile versus incubating mates. our results provide strong evidence that, for black-capped Chickadees, surveys during the dawn chorus provide the most comprehensive assessment of the number of birds present, and that longer sampling periods yield significantly better estimates of population sizes at all times after sunrise.
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 | 0,000 | 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 | 0,000 |
| 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 ».