Apparent annual survival of adult <i>Vermivora chrysoptera</i> (Golden-winged Warbler) does not differ by sex or region
Notice bibliographique
Résumé
Abstract Understanding range-wide demographic, spatial, and temporal variation in annual survival is essential for managing species of conservation concern. Multi-population models are useful tools for integrating diverse datasets, reducing biases, and deriving survival estimates across differing spatial scales. We conducted a range-wide, multi-population apparent annual survival analysis for a declining songbird, Vermivora chrysoptera (Golden-winged Warbler), using data from 18 sites across its breeding and nonbreeding grounds. This Nearctic-Neotropical migrant breeds in 2 disjunct regional populations, the Great Lakes and Appalachian Mountains, which are experiencing different rates of decline. We aimed to quantify regional-, site-, and sex-specific apparent annual survival estimates to identify geographic patterns or demographic factors influencing population declines. We used simulations to assess the precision of our estimates. Our models did not reveal a substantial difference in apparent annual survival between the Great Lakes (0.41, 95% credible interval (CrI):0.31–0.50) and the Appalachian regions (0.49, 95% CrI: 0.36–0.60), as CrIs overlapped. Site-specific estimates also showed no clear differences in apparent annual survival among sites representing both regional populations. Male apparent annual survival tended to be greater than female apparent annual survival in both regions, though CrI’s overlapped. Our study suggests demographic factors other than adult annual survival likely play a larger role in recent regional and range-wide population declines, such as productivity, juvenile/immature survival, or recruitment. Simulations indicate that improving recapture probability and study duration of datasets could lead to more precise apparent annual survival estimates. However, our model produced CrI ranges comparable to the most ideal data collection scenario, suggesting the lack of trends we found was not due to variability in our estimates. We stress the importance of addressing inherent biases in survival datasets and the need for standardized collaborative efforts to inform species conservation on a range-wide scale.
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 | 0,000 | 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) | 0,001 | 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 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 ».