Annual Moisture Levels Drive Population Dynamics Across the Breeding Range of a Declining Waterbird
Notice bibliographique
Résumé
In order to understand causes of avian population declines and establish conservation strategies, we require knowledge of how changes to the environment are linked to changes in population abundance. Such linkages can be examined with large-scale, long-term databases, such as the North American Breeding Bird Survey (BBS). The BBS is generally under-utilized for waterbirds, in part due to the notion that it is unreliable; however, for some readily detectable species such as Black Terns (Chlidonias niger), this may be a valuable data source. We applied Bayesian hierarchical generalized additive models to BBS counts to examine population trends and drivers of abundance across the Black Tern range. We uncovered long-term declines and strong spatial variation in trends, with declines particularly prominent in peripheral areas at the edge of the species' range. There was a strong positive effect of spring moisture (measured via the Standardized Precipitation Evapotranspiration Index) on abundance, whereas moisture in the core of the species' range in the prairies had a negative effect on abundance in peripheral areas, suggesting birds are attracted to the core of the range in wet years, and vice versa. There was a weak and spatially varying effect of the North Atlantic Oscillation Index on annual abundance. Ongoing wetland loss coupled with climate extremes will become increasingly important for predicting population fluctuations in this and other waterbirds.
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 ».