Early life conditions influence fledging success and subsequent local recruitment rates in a declining migratory songbird, the Whinchat <i>Saxicola rubetra</i>
Notice bibliographique
Résumé
Abstract Life history traits and environmental conditions influence reproductive success in animals, and consequences of these can influence subsequent survival and recruitment into breeding populations. Understanding influences on demographic rates is required to determine the causes of decline. Migratory species experience spatially and temporally variable conditions across their annual cycle, making identifying where the factors influencing demographic rates operate challenging. Here, we use the Whinchat Saxicola rubetra as a model declining long‐distance migrant bird. We analyse 10 years of data from 247 nesting attempts and 2519 post‐fledging observations of 1193 uniquely marked nestlings to examine the influence of life history traits, habitat characteristics and weather on survival of young from the nestling stage to local recruitment into the natal population. We detected potential silver spoon effects where conditions during the breeding stage influence subsequent apparent local recruitment rates, with higher recruitment for fledglings from larger broods, and recruitment rate negatively related to rainfall that chicks experienced in‐nest. Additionally, extreme temperatures experienced pre‐ and post‐fledging increased fledging success and recruitment rate. However, we could not determine whether this was driven by temperature influencing mortality during the post‐fledging period or later in the annual cycle. Brood size declined with hatching date. In‐nest survival increased with brood size and was highest at local temperature extremes. Furthermore, nest survival was highest at nests surrounded with 40%–60% vegetation cover of Bracken Pteridium aquilinum within 50 m of the nest. Our results show that breeding phenology and environmental factors may influence fledging success and recruitment in songbird populations, with conditions experienced during the nestling stage influencing local recruitment rates in Whinchats (i.e. silver spoon effect). Recruitment rates are key drivers of songbird population dynamics. Our results help identify some of the likely breeding season mechanisms that could be important population drivers.
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 | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».