MétaCan
Menu
Retour à la cohorte
Enregistrement W4401424508 · doi:10.5751/ace-02694-190205

Weather and regional effects on winter counts of Rusty Blackbirds ( Euphagus carolinus )

2024· article· en· W4401424508 sur OpenAlexvenueno aff
Chris Kellner, Weijia Jia, Araks Ohanyan

Notice bibliographique

RevueAvian Conservation and Ecology · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAvian ecology and behavior
Établissements canadiensnon disponible
Organismes subventionnairesArkansas Tech University
Mots-clésEcologyBiologyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

A long-term and severe population decline of Rusty Blackbirds (Euphagus carolinus) has motivated biologists to search for possible causes of the decline. Several hypotheses have been forwarded, one of which is that habitat destruction on the overwintering grounds is responsible. Climate change is another possible explanation. We evaluated the population trend of Rusty Blackbirds in Arkansas by modeling their abundance recorded during Christmas Bird Counts conducted between 1965 and 2020. We used generalized additive modeling to evaluate population trends and explored the influence of weather, effort, habitat, and region on those trends. We found that counts of Rusty Blackbirds have increased by about 40 birds in Arkansas between 1965 and 2020; most of the increase occurred after 1995. We also found that proportion of forest land in each count circle’s county was inversely related to counts of Rusty Blackbirds but that temperature was a more important variable. During warmer years, fewer Rusty Blackbirds were counted. Rusty Blackbird geographic distribution also changed by decade; that change accounted for about 15% of the deviance in counts of Rusty Blackbirds. Finally, we observed a relationship between temperature and distribution; Rusty Blackbirds tended to overwinter in the northern portions of the state during warm years and more southerly portions of the state during cold years. Our analytical approach will be useful to anyone evaluating geographic shifts in populations that might be associated with climate change.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,233
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAvian Conservation and EcologyMême sujetAvian ecology and behaviorTravaux en français237 207