Assessing year‐round habitat use by migratory sea ducks in a multi‐species context reveals seasonal variation in habitat selection and partitioning
Notice bibliographique
Résumé
Long‐distance migration presents complex conservation challenges, and migratory species often experience shortfalls in conservation due to the difficulty of identifying important locations and resources throughout the annual cycle. In order to prioritize habitats for conservation of migratory wildlife, it is necessary to understand how habitat needs change throughout the annual cycle, as well as to identify key habitat sites and features that concentrate large numbers of individuals and species. Among long‐distance migrants, sea ducks have particularly complex migratory patterns, which often include distinct post‐breeding molt sites as well as breeding, staging and wintering locations. Using a large set of individual tracking data (n = 476 individuals) from five species of sea ducks in eastern North America, we evaluated multi‐species habitat suitability and partitioning across the breeding, post‐breeding migration and molt, wintering and pre‐breeding migration seasons. During breeding, species generally occupied distinct habitat areas, with the highest levels of multi‐species overlap occurring in the Barrenlands west of Hudson Bay. Species generally preferred flatter areas closer to lakes with lower maximum temperatures relative to average conditions, but varied in distance to shore, elevation and precipitation. During non‐breeding, species overlapped extensively during winter but diverged during migration. All species preferred shallow‐water, nearshore habitats with high productivity, but varied in their relationships to salinity, temperature and bottom slope. Sea ducks selected most strongly for preferred habitats during post‐breeding migration, with high partitioning among species; however, both selection and partitioning were weaker during pre‐breeding migration. The addition of tidal current velocity, aquatic vegetation presence and bottom substrate improved non‐breeding habitat models where available. Our results highlight the utility of multi‐species, annual‐cycle habitat assessments in identifying key habitat features and periods of vulnerability in order to optimize conservation strategies for migratory wildlife.
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 | 0,001 |
| 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 ».