Multi-modal, interrelated navigation in migratory birds: A data mining study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Understanding how long-distance migratory birds navigate remains challenging, particularly in how they integrate multiple environmental cues. Traditional studies, primarily based on laboratory experiments and displacement studies, may not capture the complexity of navigation in the wild. In this study, we applied a data mining approach to investigate the navigational strategies of greater white-fronted geese ( Anser albifrons ) during their annual migrations between the Arctic and central Europe. We integrated a decade of tracking data from 117 individuals with high-resolution geomagnetic data (including solar-wind–induced variations), wind conditions, and a potential visual cue. Hierarchical cluster analysis revealed multi-modal and interrelated navigation strategies that flexibly adapted to environmental conditions such as wind, diurnal cycles, and flock-specific dynamics. Under favourable tailwinds, geese maintained stable headings with minimal changes in geomagnetic heading and apparent angle of geomagnetic inclination, consistent with both geomagnetic loxodrome and magnetoclinic routes, enabling efficient flights towards stopovers or simultaneously towards stopovers and final destinations. Geese also appeared to combine visual landmarks with geomagnetic information, adjusting their reliance on landmarks between day and night. Our findings highlight the complexity and adaptability of avian navigation and emphasise the role of multi-modal sensory integration and environmental context in shaping migratory decisions.
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.
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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 découle