Efficiency and fitness consequences of two trapping methods for recapturing ground‐nesting songbirds
Notice bibliographique
Résumé
Capturing nesting songbirds is a core component of many field studies. However, avoidance of traps and mist-nets by birds can reduce capture efficiency and bias study results, particularly when individuals need to be recaptured multiple times. We describe a novel capture method—the noose-line—for an alpine population of Horned Larks (Eremophila alpestris) studied during three breeding seasons (2015–2017) in northern British Columbia, Canada. Our objective was to develop a safe, efficient method to recapture individuals that exhibited trap avoidance. We compared the capture efficiency (trap success relative to capture effort) and fitness consequences (nest survival and nest attentiveness) of the noose-line (non-selective method) to those of a more traditional bownet trap (selective method) for both naïve (not previously captured) and previously captured Horned Larks. Mean trapping success for the noose-line was high for both naïve (89.7%) and previously captured (62.9%) birds, whereas mean trapping success for the more visible bownet was strongly influenced by bird experience (naïve = 41.4%, previously captured = 12.1%). However, mean capture effort (time required for successful capture) was greater for noose-lines than the bownet (45.3 min vs. 17.5 min) and noose-lines were more likely to capture non-targeted individuals. The trap type used to capture birds did not influence nest survival. Overall, our results suggest that noose-lines can be an effective option for capturing ground-nesting songbirds, particularly for studies where birds must be recaptured, e.g., to retrieve tracking devices or repeatedly measure body condition.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».