MétaCan
Menu
← Retour à la cohorte
Enregistrement W4403328180 · doi:10.1101/2024.10.09.617415

Migration strategies of a high-latitude breeding songbird ( <i>Setophaga coronata coronata</i> ) revealed using multi-sensor geolocators and stable isotopes

2024· preprint· en· W4403328180 sur OpenAlexaboutno aff
Stephanie J. Szarmach, Johanna K Beam, M. N. Moore, Benjamin M. Van Doren, Alan Brelsford, David P. L. Toews

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2024
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueAvian ecology and behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSongbirdGeographyLatitudeEcologyBiology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Seasonal migration allows animals to use habitat where conditions are unfavorable for part of the year but may constrain breeding ranges due to the costs of longer migrations as ranges expand poleward. In species with large ranges, high latitude breeding populations may employ different migratory strategies allowing them to persist far from other core non-breeding areas. The myrtle warbler ( Setophaga coronata coronata ) has two disjunct non-breeding ranges in North and Central America–one along the Gulf Coast and the other on the Pacific. Previous work indirectly linked birds breeding in Alaska with the Pacific non-breeding area, suggesting that high latitude populations evolved a shorter migration route. We directly tested this hypothesis using geolocators measuring both light and atmospheric pressure to track Alaskan myrtle warbler migration in fine detail and inferred non-breeding areas using hydrogen isotopes for a larger sample of birds breeding in Alaska, British Columbia, and Alberta. We found, contrary to expectations, that all geolocator-tracked birds and most birds with stable isotope data migrated to the southeastern United States, while only a small subset of birds (∼5%) likely wintered on the Pacific Coast. We additionally demonstrate the advantages of pressure geolocation for characterizing migratory behavior at a fine scale.

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)0,000
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 enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,020
Tête enseignante GPT0,234
Écart entre enseignants0,214 · 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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetAvian ecology and behavior→Travaux en français237 207→