Cohort-Specific Differential Vulnerability to Capture of Mallards and Wood Ducks in Baited Swim-in Traps
Notice bibliographique
Résumé
Abstract Attaching leg bands to birds directly before fall hunting seasons is a primary component of monitoring waterfowl in North America. Although capture and recovery data are primarily used for estimating survival and harvest distribution, these data may be used to estimate age ratios and other demographic rates, especially if recapture data are available from subsequent trapping and release events. We estimated recapture rates of mallards Anas platyrhynchos and wood ducks Aix sponsa and used those rates to estimate differential capture vulnerability, which is vital to estimate true age ratios from banding data. Posterior estimates of mallard age and sex cohorts and location-specific recapture rates varied among capture locations from a mean of 0.004 (0.002–0.008 95% credible interval) to 0.547 (0.486–0.609). Ratios of recapture rates among cohorts also varied, meaning no single differential vulnerability estimate would be useable across the study area. Our estimates of differential capture vulnerability for mallards, using the ratio of recapture probabilities, averaged 2.64 for adult female to adult male and 5.42 for juvenile female to adult female, with significant variation. Wood duck cohort-specific recapture rates were similar across locations. Similar wood duck recapture rates resulted in similar estimates of differential vulnerability, 1.24 for the ratio of adult female to adult male and 1.30 for juvenile female to adult female. The wide range of recapture rate estimates we found for mallards suggests that location-specific characteristics may have a strong effect on capture probability. Differences in recapture rates and apparent survival likely resulting from emigration suggest that if recapture data are to be used in population modeling, location-specific information is needed. The ability to monitor multiple demographic parameters using a single scheme improves continued assessment of population status. We recommend increased collection of in-season recapture data by biologists during active banding operations. Banders should be aware of the potential value of live, in-season encounters in monitoring populations and modeling demographic rates.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».