Tall and Low Shrub-Adapted Passerines Respond Differently to Shrub Expansion in Arctic and Subarctic Alaska
Notice bibliographique
Résumé
The expansion of deciduous shrubs is among the most conspicuous and widespread of the phenomena affecting tundra regions under a warming climate. While this process is expected to affect the distributions of terrestrial vertebrates, empirical assessments of responses to shrub expansion are rare, particularly for passerine birds. Here, I jointly investigate the topographic correlates of shrub expansion and differences in the density of shrub-adapted passerines between long- and recently established shrub cover at five sites in Arctic and Subarctic Alaska. I used a remotely sensed vegetation cover timeseries (1985 – 2020) and line transect data (2015 – 22) for four low and four tall shrub – adapted passerines. The line transect data were comprised of the individual encounter locations, which permitted fine-scale assessment of the effect of shrub cover age class (established pre- or post-1985) under a point process framework. Low shrub – adapted species showed weak differences in density between long- (pre-1985) and recently established (post-1985) shrub cover. In contrast, a subset of tall shrub – adapted species at two of the five study areas had lower density where the proportion of total shrub cover in the younger age class was relatively high. The contrasting responses of these two groups suggest that expanding shrub cover may have structural characteristics, such as shorter height and a more diffuse distribution, that are not preferred by tall shrub – adapted passerines. This suggests caution in assuming uniform responses to shrub expansion across species and spatial regions and indicates the potential importance of incorporating time lags into assessments of vertebrate responses to shrub expansion.
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 ».