MétaCan
Menu
← Retour à la cohorte
Enregistrement W4383737911 · doi:10.1038/s41598-023-37517-y

Spring migration patterns of red knots in the Southeast United States disentangled using automated telemetry

2023· article· en· W4383737911 sur OpenAlexaff
Adam Smith, Felicia J. Sanders, Kara L. Lefevre, Janet M. Thibault, Kevin S. Kalasz, Maina Handmaker, Fletcher M. Smith, Tim S. Keyes

Notice bibliographique

RevueScientific Reports · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAvian ecology and behavior
Établissements canadiensThompson Rivers University
Organismes subventionnairesU.S. Fish and Wildlife ServiceSouth Carolina Department of Natural ResourcesFlorida Gulf Coast UniversityNational Fish and Wildlife Foundation
Mots-clésBayArcticOceanographyKnot (papermaking)GeographyBorealStructural basinFisheryPhysical geographyEcologyArchaeologyGeologyPaleontologyBiology

Résumé

récupéré en direct d'OpenAlex

Red Knots use the Southeast United States as a stopover during north and southbound migration and during the winter. We examined northbound red knot migration routes and timing using an automated telemetry network. Our primary goal was to evaluate the relative use of an Atlantic migratory route through Delaware Bay versus an inland route through the Great Lakes en route to Arctic breeding grounds and to identify areas of apparent stopovers. Secondarily, we explored the association of red knot routes and ground speeds with prevailing atmospheric conditions. Most Red Knots migrating north from the Southeast United States skipped or likely skipped Delaware Bay (73%) while 27% of the knots stopped in Delaware Bay for at least 1 day. A few knots used an Atlantic Coast strategy that did not include Delaware Bay, relying instead on the areas around Chesapeake Bay or New York Bay for stopovers. Nearly 80% of migratory trajectories were associated with tailwinds at departure. Most knots tracked in our study traveled north through the eastern Great Lake Basin, without stopping, thus making the Southeast United States the last terminal stopover for some knots before reaching boreal or Arctic stopover sites.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,098

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,266
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific Reports→Même sujetAvian ecology and behavior→Travaux en français237 207→