Spatiotemporal and weather effects on the reproductive success of piping plovers on Prince Edward Island, Canada
Notice bibliographique
Résumé
Abstract Piping plovers (Charadrius melodus sp.) rank among North America's most endangered shorebird species, facing compounding environmental challenges that reduce habitat availability and suppress recruitment and survival rates. Despite these challenges, research on the direct effects of climate variability and extremes on their breeding ecology remains limited. Here, we employ a spatiotemporal modelling approach to investigate how location, nest timing and weather conditions influence reproductive success rates in a small breeding population of C. m. melodus in Prince Edward Island (PEI), Canada from 2011 to 2023. Analysis of 40 years of monitoring records from a subset of nesting sites revealed that flooding and predation have been persistent sources of reproductive failures in this population, with unexplained losses increasing in recent years. Contrary to our hypotheses, our modelled results did not support a negative impact of extreme high temperatures and strong precipitation events on reproductive outcomes. Instead, we identified a positive effect of TMAX and no effect of strong precipitation, perhaps due to limited exposure to extreme high temperatures (>32°C) and context‐specific risks associated with precipitation‐induced flooding. However, trends in regional climate change are likely to increase exposure to—and the influence of—such factors in the near future. Our models also identified spatiotemporal variability in apparent hatch success over the study period, as well as worse hatch outcomes across popular beachgoing regions and for delayed nesting attempts. While our results offer preliminary insights into factors affecting breeding success in this population, further research will be imperative to enhance understanding of constraints on recruitment. To this end, we encourage the collection and analysis of additional time‐series data of prey populations, human activities, fine‐scale weather data and predator/flood risks associated with each nest on PEI.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».