MétaCan
Menu
← Retour à la cohorte
Enregistrement W3189114569 · doi:10.1101/2021.08.06.455393

Cross-seasonal weather effects interact with breeding conditions to impact reproductive success in an alpine songbird

2021· preprint· en· W3189114569 sur OpenAlexafffundabout
Devin R. de Zwaan, Anna Drake, Alaine F. Camfield, Elizabeth C. MacDonald, Kathy Martin

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2021
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueAvian ecology and behavior
Établissements canadiensEnvironment and Climate Change CanadaUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of British ColumbiaEnvironment and Climate Change CanadaSociety of Canadian OrnithologistsAmerican Ornithological Society
Mots-clésPhenologySongbirdSeasonal breederEcologyBiologyAvian clutch sizeNest (protein structural motif)Reproductive successHabitatPopulationAnnual cycleReproductionDemography

Résumé

récupéré en direct d'OpenAlex

Abstract In alpine habitats, fluctuating early-season weather conditions and short breeding seasons limit reproductive opportunities, such that arriving and breeding earlier or later than the optimum may be particularly costly for migratory species. Given early-season energy limitations, the influence of environmental conditions across the annual cycle on breeding phenology may have pronounced fitness consequences, yet our understanding of cross-seasonal dynamics in alpine breeding organisms is severely limited. For an alpine-breeding, migratory population of horned lark ( Eremophila alpestris ) in northern British Columbia, Canada (54.8°N latitude) we assessed how spatially explicit weather conditions from across the annual cycle influenced clutch initiation date and offspring development. We also addressed how cross-seasonal effects on breeding parameters interact to influence reproductive fitness. With 12 years of intensive breeding data and 3 years of migration data from archival light-level geolocators, we used a sliding window approach to identify critical points during the annual cycle where weather events most influenced breeding phenology and offspring development. Consequences for reproductive success were assessed using nest survival simulations. Average clutch initiation varied up to 11 days among years but did not advance from 2003 to 2019. Colder temperatures with greater precipitation at wintering habitats, as well as colder temperatures upon arrival at the breeding site delayed clutch initiation, independent of arrival time. Extreme cold (sub-zero temperatures) within a staging area just prior to arrival at the breeding site carried over to prolong offspring development rate, potentially by influencing parental investment. Nest survival decreased with both later clutch initiation and prolonged offspring development, such that females that nested earlier and fledged offspring at a younger age were up to 45% more likely to reproduce successfully. We demonstrate pronounced carry-over effects acting through mechanisms that influence breeding phenology and offspring development independently. We also highlight the potential importance of staging areas for alpine songbirds, particularly given that environmental conditions are becoming increasingly decoupled across seasons. Understanding the cross-seasonal mechanisms shaping breeding decisions in stochastic environments like the alpine enables more accurate predictions of future individual- and population-level responses to climate change.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,070

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,011
Tête enseignante GPT0,272
Écart entre enseignants0,261 · 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

Citations0
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetAvian ecology and behavior→Travaux en français237 207→