Estimating Population Growth and Recruitment Rates Across the Range of American Common Eiders
Notice bibliographique
Résumé
ABSTRACT Sound management of bird populations rests upon an adequate understanding of their population dynamics. Our study evaluated recruitment and population growth rates of 14 American common eider (Somateria mollissima dresseri) colonies from Labrador, Nova Scotia, Quebec, Canada, and Maine, USA, during various periods between 1970 and 2019. We used Pradel mark‐recapture models to estimate colony‐specific growth rates and the relative contributions of survival and recruitment on growth. We also validated this approach using annual nest counts (~8,000 pairs) conducted between 2003 and 2019 during down harvest operations in 3 colonies located in the Saint Lawrence estuary in Quebec. There was generally a good agreement between estimates derived using the 2 approaches. We considered that capture‐recapture data were suitable to estimate population trends of common eiders in other colonies, especially for colonies where accurate nest monitoring is impaired by dense vegetation. The breeding abundance declined at major colonies in Maine and Nova Scotia and increased or was stable in Quebec and Labrador. Female survival contributed the most to population growth, but variation in recruitment among colonies was more important than variation in survival to explain population growth. Management measures should thus strive to maximize local recruitment in colonies with declining populations. The assumption that apparent survival probabilities were homogeneous throughout an individual capture history was violated at several colonies in Quebec and Labrador. Using recaptures and band recoveries, we showed that the lower apparent survival for newly marked individuals compared to females that had been recaptured at least once was caused by a difference in site fidelity rather than true survival. But <1% of recaptured females dispersed to another colony for breeding, indicating that the lower site fidelity could be related to heterogeneity in capture probability among individuals. © 2021 The Wildlife Society.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
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 source (Gemma direct ou Codex distillé), 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 ».