MétaCan
Menu
Retour à la cohorte
Enregistrement W2784259636 · doi:10.1111/ele.12902

Artificial light at night confounds broad‐scale habitat use by migrating birds

2018· article· en· W2784259636 sur OpenAlexaff
James D. McLaren, Jeffrey J. Buler, Tim Schreckengost, Jaclyn A. Smolinsky, Matthew Boone, E. Emiel van Loon, Dana Dawson, Eric L. Walters

Notice bibliographique

RevueEcology Letters · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueImpact of Light on Environment and Health
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesU.S. Fish and Wildlife ServiceNature ConservancyUniversity of Delaware
Mots-clésHabitatBird migrationNocturnalEcologyLight pollutionGeographyScale (ratio)Selection (genetic algorithm)AttractionEcological trapBiologyCartography

Résumé

récupéré en direct d'OpenAlex

With many of the world's migratory bird populations in alarming decline, broad-scale assessments of responses to migratory hazards may prove crucial to successful conservation efforts. Most birds migrate at night through increasingly light-polluted skies. Bright light sources can attract airborne migrants and lead to collisions with structures, but might also influence selection of migratory stopover habitat and thereby acquisition of food resources. We demonstrate, using multi-year weather radar measurements of nocturnal migrants across the northeastern U.S., that autumnal migrant stopover density increased at regional scales with proximity to the brightest areas, but decreased within a few kilometers of brightly-lit sources. This finding implies broad-scale attraction to artificial light while airborne, impeding selection for extensive forest habitat. Given that high-quality stopover habitat is critical to successful migration, and hindrances during migration can decrease fitness, artificial lights present a potentially heightened conservation concern for migratory bird populations.

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)0,001
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 seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0010,000
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 Opus0,011
Tête enseignante GPT0,230
Écart entre enseignants0,219 · 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

Citations190
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology LettersMême sujetImpact of Light on Environment and HealthTravaux en français237 207