Global change and the distributional dynamics of migratory bird populations wintering in Central America
Notice bibliographique
Résumé
Understanding the susceptibility of highly mobile taxa such as migratory birds to global change requires information on geographic patterns of occurrence across the annual cycle. Neotropical migrants that breed in North America and winter in Central America occur in high concentrations on their non-breeding grounds where they spend the majority of the year and where habitat loss has been associated with population declines. Here, we use eBird data to model weekly patterns of abundance and occurrence for 21 forest passerine species that winter in Central America. We estimate species' distributional dynamics across the annual cycle, which we use to determine how species are currently associated with public protected areas and projected changes in climate and land-use. The effects of global change on the non-breeding grounds is characterized by decreasing precipitation, especially during the summer, and the conversion of forest to cropland, grassland, or peri-urban. The effects of global change on the breeding grounds are characterized by increasing winter precipitation, higher temperatures, and the conversion of forest to peri-urban. During spring and autumn migration, species are projected to encounter higher temperatures, forests that have been converted to peri-urban, and increased precipitation during spring migration. Based on current distributional dynamics, susceptibility to global change is characterized by the loss of forested habitats on the non-breeding grounds, warming temperatures during migration and on the breeding grounds, and declining summer rainfall on the non-breeding grounds. Public protected areas with low and medium protection status are more prevalent on the non-breeding grounds, suggesting that management opportunities currently exist to mitigate near-term non-breeding habitat losses. These efforts would affect more individuals of more species during a longer period of the annual cycle, which may create additional opportunities for species to respond to changes in habitat or phenology that are likely to develop under climate change.
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 | 0,000 | 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 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 ».