Land use change and the migration geography of Greater White‐fronted geese in European Russia
Notice bibliographique
Résumé
Abstract Large areas of agricultural land have been abandoned in European Russia since 1991, triggering succession toward more wooded landscapes, especially in northern regions where conditions for agriculture are more challenging. We hypothesize that this process has contributed to a southward shift by migratory Atlantic Greater White‐fronted geese, as stopover sites in northern Russia became progressively less suitable. To test this hypothesis, we located stopover sites from information contained in 2976 ring recoveries and sightings of neck‐collared geese. These records were divided into three time periods, chosen to reflect major changes in the economy and land use of European Russia: 1960–1990, 1991–2000, and 2001–2013. We used a kernel density estimator grid to delineate areas surrounding 300 putative stopover sites, and statistically evaluated the effects of latitude, distance to nearest waterbody, settlement, and period on stopover site usage by geese. Our results show that over the three periods, usage of the stopover sites has shifted southward, indicating that Greater White‐fronted geese have shifted their migration pathway, with the greatest shift in the most recent period. This shift was confirmed by a highly significant squared latitude term and significant interaction term between periods. The nearest settlements showed no significant effect on stopover site usage while the nearest waterbody term was negative, suggesting higher waterbody densities contributed to higher densities of stopover sites. We attribute the shift to the successional reforestation of the Russian landscape that has followed widespread land abandonment, especially that following the break‐up of the former USSR .
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) | 0,002 | 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 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 ».