Dynamic-Parameter Movement Models Reveal Drivers of Migratory Pace in a Soaring Bird
Notice bibliographique
Résumé
Long distance migration can increase lifetime fitness, but can be costly, incurring increased energetic expenses and higher mortality risks. Stopover and other en route behaviors allow animals to rest and replenish energy stores and avoid or mitigate other hazards during migration. Some animals, such as soaring birds, can subsidize the energetic costs of migration by extracting energy from flowing air. However, it is unclear how these energy sources affect or interact with behavioral processes and stopover in long-distance soaring migrants. To understand these behaviors and the effects of processes that might enhance use of flight subsidies, we developed a flexible mechanistic model to predict how flight subsidies drive migrant behavior and movement processes. The novel modeling framework incorporated time-varying parameters informed by environmental covariates to characterize a continuous range of behaviors during migration. This model framework was fit to GPS satellite telemetry data collected from a large soaring and opportunist foraging bird, the golden eagle (Aquila chrysaetos), during migration in western North America. Fitted dynamic model parameters revealed a clear circadian rhythm in eagle movement and behavior, which was directly related to thermal uplift. Behavioral budgets were complex, however, with evidence for a joint migrating/foraging behavior, resembling a slower paced fly-and-forage migration, which could facilitate efficient refueling while still ensuring migration progress. In previous work, ecological and foraging conditions are normally considered to be the key aspects of stopover location quality, but taxa, such as the golden eagle, that can tap energy sources from moving fluids to drive migratory locomotion may pace migration based on both foraging opportunities and available flight subsidies.
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) | 0,000 | 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 ».