Testing Whether Camera Presence Influences Habitat Specific Predation Pressure on Artificial Shorebird Nests in the Arctic
Notice bibliographique
Résumé
When monitoring the breeding ecology of birds, the causes and times of nest failure can be difficult to determine. Cameras placed near nests allow for accurate monitoring of nest fate, but their presence may increase the risk of predation by attracting predators, leading to biased results. The relative influence of cameras on nest predation risk may also depend on habitat because predator numbers or behaviour can change in response to the availability or accessibility of nests. We evaluated the impact of camera presence on the predation rate of artificial nests placed within mesic tundra habitats used by Arctic-breeding shorebirds. We deployed 94 artificial nests, half with cameras and half without, during the shorebird-nesting season of 2015 in the East Bay Migratory Bird Sanctuary, Nunavut. Artificial nests were distributed evenly across sedge meadow and supratidal habitats typically used by nesting shorebirds. We used the Cox proportional hazards model to assess differential nest survival in relation to camera presence, habitat type, placement date, and all potential interactions. Artificial nests with cameras did not experience higher predation risk than those without cameras. Predation risk of artificial nests was related to an interaction between habitat type and placement date. Nests deployed in sedge meadows and in supratidal habitats later in the season were subject to a higher risk of predation than those deployed in supratidal habitats early in the season. These differences in predation risk are likely driven by the foraging behaviour of Arctic fox (Vulpes lagopus), a species that accounted for 81% of observed predation events in this study. Arctic fox prey primarily on Arvicoline prey and goose eggs at this site and take shorebird nests opportunistically, perhaps more often later in the season when their preferred prey becomes scarcer. This study demonstrates that, at this site, cameras used for nest monitoring do not influence predation risk. Evaluating the impact of cameras on predation risk is critical prior to their use, as individual study areas may differ in terms of predator species and behaviour.
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) | 0,001 | 0,001 |
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 ».