Corn Field Management for Wintering Waterfowl on Eastern Long Island, New York
Notice bibliographique
Résumé
Aim: A novel corn field management program to feed wintering waterfowl was investigated. Background: Decreased food availability for waterfowl on the Atlantic coast may necessitate novel management. Methods: Standing sections of corn were chopped using a brush hog once every two weeks after the close of waterfowl hunting season on Long Island, New York, February – March 2018 and 2019. Corn was sampled to determine initial yield and waterfowl and other wildlife use, corn depletion, and relationships between depletion and energy needs of waterfowl were determined. Results: The mean (± SE) initial yield was 5,156.0 ± 1,306.7 kg/ha. Canada geese accounted for 54% of all waterfowl use and mallards were twice as abundant at corn fields than American black ducks. Fields averaged 4.08 ± 0.20 ha, but ~50% less corn could have been planted to meet the energy needs of waterfowl in this study. However, 27% of sections chopped in the first two weeks were depleted to zero or near zero, whereas sections chopped in the last two weeks had 1,954.9 ± 1,309.9 kg/ha of corn. Conclusion: More corn could have been chopped early in winter and less as spring approached to meet the seasonal energy needs of waterfowl. Waterfowl using corn fields could gain fitness advantages, but a better understanding of diets, body condition, and seasonal stress, as well as the use of corn fields relative to other habitats by individual Canada geese and ducks, are needed. Results provide guidance on the delivery of corn planting and chopping programs to feed wintering waterfowl in the northeastern United States.
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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».