MétaCan
Menu
Retour à la cohorte
Enregistrement W2756115097 · doi:10.1080/11956860.2017.1374322

Breeding success and productivity of urban and rural Eurasian sparrowhawks <i>Accipiter nisus</i> in Scotland

2017· article· en· W2756115097 sur OpenAlexvenueno aff
Michael Thornton, Ian B. Todd, Staffan Roos

Notice bibliographique

RevueEcoscience · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAvian ecology and behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccipiterNest (protein structural motif)Brood parasiteAccipitridaeEcologyBroodPopulationBreeding bird surveyAvian clutch sizeBiologyGeneralist and specialist speciesGeographyPredationHabitatZoologyDemographyReproductionParasitism

Résumé

récupéré en direct d'OpenAlex

The conversion of rural habitat into built-up areas often affects animal species negatively. However, some generalist bird species and raptors relying on avian prey have colonised urban environments. Surprisingly, no study has compared the breeding biology of urban and rural populations of a very common old-world raptor, the Eurasian sparrowhawk (Accipiter nisus). Here, we compare the territory occupancy rate, breeding success and productivity (i.e., the number of fledglings) over four years (2009–2012) of an urban and a rural sparrowhawk population in Scotland. Our results showed that urban sparrowhawk territories were occupied significantly more frequently (mean % years occupied ± se: 66.8 ± 5.9%) than rural territories (42.8 ± 4.7%). Clutch size, brood size and the number of fledglings produced did not differ between the populations. However, the breeding success was significantly higher in the urban (annual mean ± se: 97.2 ± 2.3% nests successful) than in the rural population (80.5 ± 6.6%) because of a higher nest desertion rate at the egg and chick stages in the rural population. Our study suggests that warm weather in July may have more negative effects on rural sparrowhawks compared to urban sparrowhawks. The mechanism behind the difference is unknown and requires further work.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,012
Score d'incertitude au seuil0,411

Scores Codex et Gemma par catégorie

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

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 Opus0,011
Tête enseignante GPT0,243
Écart entre enseignants0,232 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations18
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcoscienceMême sujetAvian ecology and behaviorTravaux en français237 207