Long‐term trends in weather severity indices for dabbling ducks in eastern North America
Notice bibliographique
Résumé
ABSTRACT Annual distributions of waterfowl during the nonbreeding period can influence ecological, cultural, and economic relationships. We used previously developed Weather Severity Indices (WSI) that explained migration by dabbling ducks in eastern North America and weather data from the North American Regional Reanalysis to develop an open‐access internet‐based tool (i.e., WSI web app) to visualize and query WSI data. We used data generated by the WSI web app to determine whether the weather known to elicit southerly migration by dabbling ducks had changed, from October to April 1979 to 2013. We detected that the amount of area in the Mississippi and Atlantic Flyways with weather severe enough to cause southerly migration decreased during 1) October–December for American wigeon ( Mareca americana ), green‐winged teal ( Anas crecca ), and northern shoveler ( Spatula clypeata ); 2) December–January for mallard ( A . platyrhynchos ), American black duck ( A . rubripes ), and northern pintail ( A . acuta ); and 3) February–April for mallard, American black duck, gadwall ( M . strepera ), American wigeon, green‐winged teal, and northern shoveler. Results were consistent with prior research indicating that weather causing autumn and winter migration of dabbling ducks has become increasingly mild in the past 3 decades. The WSI web app enables users to query daily data and maps by species and by Flyway, Joint Venture, Landscape Conservation Cooperative, and State. We encourage those with corresponding data on participation and satisfaction by waterfowl enthusiasts (i.e., birders and hunters) to test for relationships with the WSI because of the implications for conservation funding, especially if autumn and winter weather severity continues to become increasingly mild as predicted. © 2017 The Wildlife Society.
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 | 0,000 |
| 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) | 0,020 | 0,001 |
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 ».