The role of wetland vegetation and water connectivity in shaping waterbird populations under human disturbance
Notice bibliographique
Résumé
• Under low human disturbance, rich abundance and diversity of waterbirds were observed. • Wetland vegetation coverage and water connectivity were the primary factors significantly impacting waterbird populations. • Wetland vegetation coverage had a more substantial influence on waterbirds in areas of low disturbance intensity. • The impact of water connectivity on waterbirds was complex under different intensities of human disturbance. The floodplain wetland of Poyang Lake, one of the largest stopover sites for overwintering waterbirds along the East Asian–Australasian Flyway, is experiencing rising human disturbance and rapid landscape changes. However, the impacts of these two factors on waterbird populations at three biological levels (i.e., the species, foraging guild, and community levels) remain poorly understood. Using multi-source remote sensing data and annual winter waterbird survey data (2013–2018), combined with statistical methods such as one-way ANOVA, generalized linear models, and redundancy analysis, we investigated landscape patterns influencing waterbird populations at three biological levels under human disturbance. Results indicated that most waterbird populations, excluding those specializing in invertebrate consumption, thrived greatly under low human disturbance intensity. Wetland vegetation and water connectivity played the most significant role among landscape metrics in shaping waterbird populations at three biological levels. The expanded wetland vegetation coverage strongly promoted waterbird populations, especially under low human disturbance intensity. Expanding main lakes with high water connectivity tended to suppress waterbird populations, while the newly formed shallow sub-lakes with limited connectivity promoted them. The role of water connectivity showed complexity across different intensities of human disturbance. Additionally, larger cropland patches benefited tuber- and seed-eating birds under low-moderate human disturbance, whereas built-up expansion harmed the waterbird community in highly disturbed areas. These findings offer useful insights for conserving overwintering waterbird populations and informing habitat management strategies in floodplain wetlands.
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 | 0,000 | 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) | 0,001 | 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 ».