MétaCan
Menu
Retour à la cohorte
Enregistrement W3048620930 · doi:10.1242/jeb.223545

Measuring power input, power output and energy conversion efficiency in un-instrumented flying birds

2020· article· en· W3048620930 sur OpenAlexafffund
Linus Hedh, Christopher G. Guglielmo, Lars Johansson, Jessica E. Deakin, Christian C. Voigt, Anders Hedenström

Notice bibliographique

RevueJournal of Experimental Biology · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBat Biology and Ecology Studies
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaLeibniz-Institut für Zoo- und WildtierforschungVetenskapsrådet
Mots-clésPower (physics)Energy (signal processing)Environmental scienceEnergy transformationControl theory (sociology)PhysicsComputer scienceThermodynamicsControl (management)

Résumé

récupéré en direct d'OpenAlex

Cost of flight at various speeds is a crucial determinant of flight behavior in birds. Aerodynamic models, predicting that mechanical power (Pmech) varies with flight speed in a U-shaped manner, have been used together with an energy conversion factor (efficiency) to estimate metabolic power (Pmet). Despite few empirical studies, efficiency has been assumed constant across flight speeds at 23%. Ideally, efficiency should be estimated from measurements of both Pmech and Pmet in un-instrumented flight. Until recently, progress has been hampered by methodological constraints. The main aim of this study was to evaluate recently developed techniques and estimate flight efficiency across flight speeds. We used the 13C-labeled sodium bicarbonate method (NaBi) and Particle Image Velocimetry (PIV) to measure Pmet and Pmech in blackcaps flying in a wind tunnel. We also cross validated measurements made by NaBi with Quantitative Magnetic Resonance (QMR) body composition analysis in yellow-rumped warblers. We found that Pmet estimated by Nabi was ∼12% lower than corresponding values estimated by QMR. Pmet varied in a U-shaped manner across flight speeds in blackcaps, but the pattern was not statistically significant. Pmech could only be reliably measured for two intermediate speeds and estimated efficiency ranged between 14 and 22% (combining the two speeds for raw and weight/lift specific power, with and without correction for the ∼12% difference between NaBi and QMR) were close to the currently used default value. We conclude that NaBi and PIV are viable techniques, allowing researchers to address some of the outstanding questions regarding bird flight energetics.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
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
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,032
Tête enseignante GPT0,231
Écart entre enseignants0,199 · 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

Citations17
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Experimental BiologyMême sujetBat Biology and Ecology StudiesTravaux en français237 207