Influence of boreal forest disturbance and conspecific attraction on the Canada Warbler ( Cardellina canadensis ) habitat choices during the breeding season
Notice bibliographique
Résumé
Understanding how, when, and why species select habitats is essential to identify more accurate conservation strategies, particularly with increasing anthropogenic change. However, studies rarely disentangle the roles of environmental cues and social information when they examine habitat selection. We tested the influence of conspecific attraction and habitat disturbance on habitat choices of the Canada Warbler (Cardellina canadensis, CAWA) in forested landscapes that include managed and protected areas. We surveyed a gradient of disturbed areas (mainly due to forestry activity) during the 2021, 2022, and 2023 breeding seasons in Northwestern Ontario. We surveyed naturally occurring social aggregations of Canada Warbler, as well as simulated conspecific attraction by using playbacks of Canada Warbler songs and calls as an artificial cue during the pre-breeding season. We used generalized linear models to examine the influence of vegetation structure (shrub and canopy cover, canopy height, and forest type), level of post-harvest disturbance, and the song cues on the occurrence, social aggregation (abundance), and Canada Warbler settlement during pre-breeding season. Our results showed that vegetation structure plays an important role in Canada Warbler occurrence and social aggregation patterns, and that conspecific acoustic cues strongly influence pre-breeding settlement decisions. Disturbance at the local scale related to forest harvesting positively influenced social aggregation, whereas at the landscape scale, there was no effect of disturbance on Canada Warbler pre-breeding settlement periods. Conspecific songs during the pre-breeding season attracted males to settle in vacant sites in unharvested areas, thus an effective cue to males searching for breeding territories; however, likely because of these same cues, Canada Warbler males also settle in new sites (not previously occupied) in areas with a low level of disturbance due to forest harvesting.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».