Space use and movements of inland wintering Whooping Cranes in the Aransas-Wood Buffalo population
Notice bibliographique
Résumé
Aransas-Wood Buffalo population (AWBP) Whooping Cranes are increasingly using inland areas for a portion of the winter. There have been individuals near Granger Lake during five of the last 13 winters and 11 of the last 13 winters in Colorado and Wharton counties, Texas, USA. At least 11 individuals used Colorado/Wharton counties in 2022–2023, and 18 used this area in 2023–2024. We used data from all Whooping Cranes with active transmitters from 2009–2018 and from three additional inland wintering individuals from 2017–2022. We compared 95% auto-correlated kernel density estimates (AKDE) and daily distance movements for coastal wintering cranes and those that spent a portion of their winter inland. We also examined daily movement patterns in relation to wintering range use (inland or coastal) considering demographic and temporal factors with generalized linear mixed-effects models (GLMM). Six marked birds across 10 bird-winters from 2011–2021 spent between 3.1–99.3% of their winter at inland areas. Inland wintering birds had AKDE home ranges that were 3.1 times as large as coastal wintering birds. Additionally, the top GLMM predicted that spending a portion of the winter at inland areas equated to a 92.0±4.2% increase in daily movement during the winter. We found that several other factors influenced daily movement patterns, which warrant consideration when comparing between the groups. Age and family status impacted the model, but subadults, family groups, and adults without juveniles all had overlapping confidence intervals. Daily movements followed a quadratic temporal pattern, with greater movements in the late fall and early spring. Continued use of inland areas has implications for how we manage, monitor, and plan for this population’s recovery.
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 | 0,000 |
| 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) | 0,000 | 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 ».