Carry‐over effects of weather and decision‐making on nest success of a migratory shorebird
Notice bibliographique
Résumé
Abstract Weather conditions experienced by birds can influence their migration decision‐making and strategy both within and across seasons. Additionally, decision‐making during migration may influence subsequent fitness (reproductive success and/or survival). Examining the effects of fine‐scale weather variables on individuals throughout the year could help identify stages of the annual cycle when species may be most affected by weather. In this study, we captured 24 black‐bellied plovers (gray plovers; Pluvialis squatarola ) on nonbreeding areas along the western Gulf of Mexico coast and tracked their locations once every 2 h through their breeding season in the Alaskan and Canadian Arctic. We quantified migration strategies and weather conditions experienced by each individual throughout the nonbreeding, northward migration, and breeding seasons. We used a Bayesian hierarchical model which connected regressions linking weather with migration metrics, and migration metrics and breeding season weather with reproductive success. We found strong negative relationships between two migration metrics (migration duration and number of stopovers) and reproductive success, but no substantial relationships between breeding season weather variables and reproductive success. We found negative relationships between nonbreeding season temperature, migration temperature, and migration NDVI and both migration duration and number of stopovers, in addition to positive relationships between the number of stopovers and storms during migration, migration duration, and nonbreeding season precipitation. These results suggest that reproductive success is influenced by weather throughout the annual cycle and migration strategy is a key mechanism through which these effects operate. Our findings suggest that environmental factors throughout the year influence shorebird fitness, and, because black‐bellied plovers are often associated with mixed‐species flocks, many species likely experience similar constraints.
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 | 0,001 | 0,002 |
| 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 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 ».