Interannual consistency of migration phenology is season- and breeding region-specific in North American Golden Eagles
Notice bibliographique
Résumé
Abstract Interannual consistency (an indicator of the strength of adjustments) in migration phenology of Golden Eagles (Aquila chrysaetos) in North America is most strongly associated with the breeding region, the season, and with late-season temperature on breeding and wintering grounds. Consistency was greatest in boreal spring migration and the breeding regions of eastern Canada. Using multi-year GPS tracks of 83 adults breeding in 3 spatially distant regions (Alaska, northeast Canada, and southeast Canada), we quantified the interannual consistency of migration phenology and wintering latitude within and among individuals tracked across multiple years and the repeatability (r) by breeding regions and seasons. By comparing regions and seasons, we found that consistency was highest (r > 0.85) for boreal spring migration in eastern Canada while Alaska had the lowest value (r < 0.15). Because seasonal consistency of migration phenology was only detected in eastern Canada, we conclude that seasonal features are not a primary constraint. While regional differences in consistency were not related to differences in migratory distances, they could be the result of genetic or habitat differences. We also found that temperatures warmer than the decadal average at the region of departure delayed the start of boreal spring migration by ~10 days and advanced boreal autumn migration by ~20 days. These results suggest that warmer temperatures would reduce residence time on breeding grounds, contrary to expectations and trends found in other studies. Wide variations in migratory strategies across a species distribution can add to the list of challenges for conservation but may give migrants the capacity to acclimate to environmental changes.
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) | 0,004 | 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 ».