Toward a new framework for restoring lost wildlife migrations
Notice bibliographique
Résumé
Abstract Global declines in wildlife migrations have prompted new initiatives to conserve remaining migratory behaviors. However, many migrations have already been lost. Important attempts have been made to recover extirpated migrations, and our understanding of restoration remains narrowly confined to these particular species and landscapes. Here, we examine diverse restoration efforts through the unifying lens of behavioral ecology to draw broader inferences regarding the feasibility and effectiveness of restoring lost migrations. First, we synthesize recent research advances that illuminate key roles of exploration, learning, and adaptation in migratory behavior. Then, we review case studies to identify common themes of restoration success across four major vertebrate groups: fish, birds, mammals, and herpetofauna. We describe three broad strategies to effectively restore lost migrations: reestablishing migratory populations, recovering migratory habitats, and reviving migratory behavior itself. To guide conservation and research efforts, we link these strategies with specific management techniques, and we explore the biological mechanisms underpinning the success of each. Our work reveals a previously underappreciated potential for restoring lost migrations in terrestrial and freshwater vertebrates, and it provides guidance on whether and how conservation practitioners, researchers, and policymakers can work to restore the valuable migrations we have lost.
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 | 0,028 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,059 |
| Communication savante | 0,019 | 0,016 |
| Science ouverte | 0,008 | 0,009 |
| Intégrité de la recherche | 0,009 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 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 ».