MétaCan
Menu
← Retour à la cohorte
Enregistrement W2969104548 · doi:10.1038/s41598-019-47374-3

Age-dependent carry-over effects in a long-distance migratory bird

2019· article· en· W2969104548 sur OpenAlexaff
Cosme López‐Calderón, Javier Balbontín Arenas, Keith A. Hobson, Anders Pape Møller

Notice bibliographique

RevueScientific Reports · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAvian ecology and behavior
Établissements canadiensWestern University
Organismes subventionnairesErasmus+Junta de AndalucíaEuropean Commission
Mots-clésHirundoPhenologyContext (archaeology)BroodEcologyInsectivoreBiologyHabitatSeasonal breederGeographyPasserine

Résumé

récupéré en direct d'OpenAlex

Migratory birds usually respond to climate change by modifying breeding and/or wintering areas, as well as by reproducing earlier. In addition, changes in winter habitat use or breeding phenology could have important carry-over effects on subsequent breeding success. Here, we studied age- and sex-dependent carry-over effects from wintering to the breeding stage of a small aerial insectivorous long-distance migratory bird, the barn swallows (Hirundo rustica) breeding in Denmark during 1984-2013. First, we used stable isotope analyses combined with ringing recoveries to identify wintering areas. Second, we found that environmental conditions as inferred by Normalized Differential Vegetation Index (NDVI) have deteriorated at the wintering grounds. Third, we used confirmatory path analysis to quantify the indirect effect of winter conditions on subsequent breeding success. Females advanced onset of breeding, laid more eggs and raised more fledglings in the first brood when ecological conditions during the previous winter improved. This response was age dependent, since yearlings did not respond to this environmental cue but the response was increasingly stronger as females aged. Males showed a similar response to winter conditions, although not statistically significant. These results highlight the importance of studying carry-over effects within the context of climate change, especially in relation to age of individuals.

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 enseignants0,003
Score d'incertitude au seuil0,005

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 savante0,0000,000
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 Opus0,005
Tête enseignante GPT0,218
Écart entre enseignants0,213 · 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

Citations12
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific Reports→Même sujetAvian ecology and behavior→Travaux en français237 207→