Ecological and anthropogenic drivers of waterfowl productivity are synchronous across species, space, and time
Notice bibliographique
Résumé
Knowledge of interspecific and spatiotemporal variation in demography-environment relationships is key for understanding the population dynamics of sympatric species and developing multispecies conservation strategies. We used hierarchical random-effects models to examine interspecific and spatial variation in annual productivity in six migratory ducks (i.e., American wigeon [Mareca americana], blue-winged teal [Spatula discors], gadwall [Mareca strepera], green-winged teal [Anas crecca], mallard [Anas platyrhynchos] and northern pintail [Anas acuta]) across six distinct ecostrata in the Prairie Pothole Region of North America. We tested whether breeding habitat conditions (seasonal pond counts, agricultural intensification, and grassland acreage) or cross-seasonal effects (indexed by flooded rice acreage in primary wintering areas) better explained variation in the proportion of juveniles captured during late summer banding. The proportion of juveniles (i.e., productivity) was highly variable within species and ecostrata throughout 1961-2019 and generally declined through time in blue-winged teal, gadwall, mallard, pintail, and wigeon, but there was no support for a trend in green-winged teal. Productivity in Canadian ecostrata declined with increasing agricultural intensification and increased with increasing pond counts. We also found a strong cross-seasonal effect, whereby more flooded rice hectares during winter resulted in higher subsequent productivity. Our results suggest highly consistent environmental and anthropogenic effects on waterfowl productivity across species and space. Our study advances our understanding of current year and cross-seasonal effects on duck productivity across a suite of species and at finer spatial scales, which could help managers better target working-lands conservation programs on both breeding and wintering areas. We encourage other researchers to evaluate environmental drivers of population dynamics among species in a single modeling framework for a deeper understanding of whether conservation plans should be generalized or customized given limited financial resources.
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 | 0,001 |
| 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 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 ».