Genetic assessment of subspecies composition in bean goose (Anser fabalis) harvest in Sweden, Finland and Estonia
Notice bibliographique
Résumé
Abstract Bean goose ( Anser fabalis) harvest in Europe consists of two subspecies, whose conservation statuses are different. However, the proportions of each subspecies in hunting bags are unknown. We studied the subspecies composition among harvested bean geese in Sweden, Finland and Estonia by sequencing a short mitochondrial DNA (mtDNA) region (210 bp). The proportion of taiga bean geese ( A. f. fabalis ) over two hunting seasons was 94% in Sweden, but only 5.8% and 11% in Estonia and southeastern Finland, respectively. The majority of harvested bean geese in Estonia and southeastern Finland were tundra bean geese ( A. f. rossicus ), and hence the results show that the Finnish spatio-temporal harvest regulations have successfully managed to focus the harvest mostly to the abundant tundra bean goose. We also detected mitochondrial heteroplasmy, i.e. multiple mtDNA variants within some of the individuals. In addition, we discovered a few exceptional individuals with an mtDNA haplotype belonging to eastern taiga bean goose ( A. f. middendorffii ) or greater white-fronted goose ( A. albifrons ), which could be hybrids between bean goose subspecies or interspecific hybrids. Hybrid individuals are a problem to this type of method. We also noted that it was not possible to distinguish bean geese and pink-footed goose ( A. brachyrhynchus ). Our derived method is more cost-efficient than previously used molecular methods, and could be used to monitor bean goose hunting bag in the future.
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 | 0,001 | 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 ».