MétaCan
Menu
Retour à la cohorte
Enregistrement W2779100579 · doi:10.1111/ibi.12571

Effects of environmental conditions on reproductive effort and nest success of Arctic‐breeding shorebirds

2017· article· en· W2779100579 sur OpenAlexafffund
Emily L. Weiser, Stephen C. Brown, Richard B. Lanctot, H. River Gates, Kenneth F. Abraham, Rebecca Bentzen, Joël Bêty, Megan L. Boldenow, Rodney W. Brook, Tyrone F. Donnelly, Willow B. English, Scott A. Flemming, Samantha E. Franks, H. Grant Gilchrist, Marie‐Andrée Giroux, Andrew C. Johnson, Steve Kendall, Lisa V. Kennedy, Laura Koloski, Eunbi Kwon, Jean‐François Lamarre, David B. Lank, Christopher J. Latty, Nicolas Lecomte, Joseph R. Liebezeit, Laura McKinnon, Erica Nol, Johanna Perz, Jennie Rausch, Martin D. Robards, Sarah T. Saalfeld, Nathan R. Senner, Paul A. Smith, Mikhail Soloviev, Diana Solovyeva, David H. Ward, Paul Woodard, Brett K. Sandercock

Notice bibliographique

RevueIbis · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensYork UniversityUniversité de MonctonMinistry of Natural Resources and ForestryTrent UniversitySimon Fraser UniversityEnvironment and Climate Change CanadaUniversité du Québec à Rimouski
Organismes subventionnairesOffice of Polar ProgramsNatural Sciences and Engineering Research Council of CanadaUniversity of Colorado DenverNational Park ServiceU.S. Geological SurveyU.S. Fish and Wildlife ServiceEnvironment and Climate Change CanadaNatural Resources CanadaIndigenous and Northern Affairs CanadaSimon Fraser UniversityCanada Research ChairsParks CanadaNational Science FoundationArctic Landscape Conservation CooperativeChurchill Northern Studies CentreConocoPhillipsNational Fish and Wildlife FoundationFonds Québécois de la Recherche sur la Nature et les TechnologiesUniversité de MonctonUniversity of MissouriAlaska Department of Fish and GameMassachusetts Department of Fish and Game
Mots-clésAvian clutch sizeNest (protein structural motif)PredationEcologyBiologyArcticReproductive successAbundance (ecology)PredatorReproductionPopulationSternaDemography

Résumé

récupéré en direct d'OpenAlex

The Arctic is experiencing rapidly warming conditions, increasing predator abundance, and diminishing population cycles of keystone species such as lemmings. However, it is still not known how many Arctic animals will respond to a changing climate with altered trophic interactions. We studied clutch size, incubation duration and nest survival of 17 taxa of Arctic‐breeding shorebirds at 16 field sites over 7 years. We predicted that physiological benefits of higher temperatures and earlier snowmelt would increase reproductive effort and nest survival, and we expected increasing predator abundance and decreasing abundance of alternative prey (arvicoline rodents) to have a negative effect on reproduction. Although we observed wide ranges of conditions during our study, we found no effects of covariates on reproductive traits in 12 of 17 taxa. In the remaining taxa, most relationships agreed with our predictions. Earlier snowmelt increased the probability of laying a full clutch from 0.61 to 0.91 for Western Sandpipers, and shortened incubation by 1.42 days for arcticola Dunlin and 0.77 days for Red Phalaropes. Higher temperatures increased the probability of a full clutch from 0.60 to 0.93 for Western Sandpipers and from 0.76 to 0.97 for Red‐necked Phalaropes, and increased daily nest survival rates from 0.9634 to 0.9890 for Semipalmated Sandpipers and 0.9546 to 0.9880 for Western Sandpipers. Higher abundance of predators (foxes) reduced daily nest survival rates only in Western Sandpipers (0.9821–0.9031). In contrast to our predictions, the probability of a full clutch was lowest (0.83) for Semipalmated Sandpipers at moderate abundance of alternative prey, rather than low abundance (0.90). Our findings suggest that in the short‐term, climate warming may have neutral or positive effects on the nesting cycle of most Arctic‐breeding shorebirds.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,252
Écart entre enseignants0,240 · 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 source (Gemma direct ou Codex distillé), 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

Citations53
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIbisMême sujetClimate variability and modelsTravaux en français237 207