Urbanization and artificial light at night reduce the functional connectivity of migratory aerial habitat
Notice bibliographique
Résumé
Flying animals use aerial habitats to forage, communicate and travel. However, human activities that fragment aerial habitat with built structures, noise, and chemical or light pollution, may limit the ability of wildlife to use airspace efficiently. Applying landscape connectivity theory to aerial habitats could reveal how long‐distance migrants respond to sources of aerial habitat fragmentation along their migratory routes. Artificial light at night is a major component of urbanization that fragments dark skies across North America. Attraction of nocturnal migrants to urban light is well documented, but species‐specific responses, especially throughout a full migration from breeding to wintering grounds, are not. We tested hypotheses about long‐distance migratory movements in relation to artificial light using a highly nocturnal, Nearctic‐Neotropical avian migrant (Eastern whip‐poor‐will Antrostomus vociferus ). We applied a resource selection framework at multiple spatial scales to explore whether GPS‐tracked birds (n = 10) responded to urbanization in general, or artificial light specifically, during migratory flights. We found little evidence of attraction to artificial light during nocturnal flights. Artificial light and urbanization were highly correlated and difficult to disentangle, but the birds generally avoided urban areas and selected dark‐connected skies for travel. Migratory stopovers (locations where GPS‐tracked birds (n = 20) paused for at least one night), were located almost exclusively in dark, rural areas. Our results illustrate that considering how nocturnal aerial migrants respond to both aerial and terrestrial habitat elements can improve our understanding of what may facilitate their long‐distance movements.
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 | 0,001 | 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) | 0,004 | 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 ».