Detecting Population Trends in Migratory Birds of Prey
Notice bibliographique
Résumé
Abstract Counts of visible migrants at traditional watchsites throughout North America provide an opportunity to augment population-monitoring efforts for birds of prey. We analyzed hourly counts of migrating raptors at one inland (Hawk Mountain Sanctuary, Pennsylvania) and one coastal (Cape May Point, New Jersey) watchsite in northeastern North America. Hourly counts of migrants have been collected for 38 years at Hawk Mountain Sanctuary and for 28 years at Cape May Point. We compared effort-adjusted, arithmetic-mean passage rates to five geometric-mean indexes for 12 species. We used reparameterized polynomial regression to estimate trends in the indexes and to test the significance of trends from 1976–1978 (average index over three-year period) to 2001–2003. Effort-adjusted, arithmetic-mean indexes corresponded to more sophisticated indexes on the complete data sets but did not perform well on simulated data with missing observation days. We recommend the use of a regression-based, date-adjusted index for the analysis of hawk-count data. This index produced trends similar to other geometric-mean indexes, performed well on data sets simulating reduced sampling frequency, and outperformed other indexes on data sets with large blocks of missing observation days. Correspondence between trends at the watchsites and trends from Breeding Bird Surveys (BBSs) suggests that migration counts provide robust estimates of population trends for raptors. Furthermore, migration counts allow the monitoring of species not detected by BBS and produce trends with greater precision for species sampled by both methods. Analysis of migration counts with appropriate methods holds considerable promise for contributing to the development of integrated strategies to monitor raptor populations. Detección de Tendencias Poblacionales en Aves de Presa Migratorias
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 | 0,000 | 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 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 ».