Seabird Migration Strategies: Flight Budgets, Diel Activity Patterns, and Lunar Influence
Notice bibliographique
Résumé
Every year, billions of birds undertake extensive migrations between breeding and non-breeding areas, facing challenges that require behavioural adjustments, particularly to flight timing and duration. Such adjustments in daily activity patterns and the influence of extrinsic factors (e.g., environmental conditions, moonlight) have received much more research attention in terrestrial than marine migrants. Taking advantage of the widespread deployment in recent decades of combined light-level geolocator-immersion loggers, we investigated diel organisation and influence of the moon on flight activities during the non-breeding season of 21 migrant seabird species from a wide taxonomic range (6 families, 3 orders). Migrant seabirds regularly stopped (to either feed or rest) during migration, unlike some terrestrial and wetland birds which fly non-stop. We found an overall increase for most seabird species in time in flight and, for several species, also in flight bout duration, during migration compared to when resident at the non-breeding grounds. Additionally, several nocturnal species spent more of the day in flight during migration than at non-breeding areas, and vice versa for diurnal species. Nocturnal time in flight tended to increase during full moon, both during migration and at the non-breeding grounds, depending on species. Our study provides an extensive overview of activity patterns of migrant seabirds, paving the way for further research on the underlying mechanisms and drivers.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».