Data from: Using citizen science monitoring data in species distribution models to inform isotopic assignment of migratory connectivity in wetland birds
Notice bibliographique
Résumé
Stable isotopes have been used to estimate migratory connectivity in many species. Estimates are often greatly improved when coupled with species distribution models (SDMs), which temper estimates in relation to occurrence. SDMs can be constructed using from point locality data from a variety of sources including extensive monitoring data typically collected by citizen scientists. However, one potential issue with SDM is that these data oven have sampling bias. To avoid this potential bias, an approach using SDMs based on marsh bird monitoring program data collected by citizen scientists and other participants following protocols specifically designed to maximize detections of species of interest at locations representative of the species range. We then used the SDMs to refine isotopic assignments of breeding areas of autumn-migrating and wintering Sora (Porzana carolina), Virginia Rails (Rallus limicola), and Yellow Rails (Coturnicops noveboracensis) based on feathers collected from individuals caught at various locations in the United States from Minnesota south to Louisiana and South Carolina. Sora were assigned to an area that included much of the western U.S. and prairie Canada, covering parts of the Pacific, Central, and Mississippi Flyways. Yellow Rails were assigned to a broad area along Hudson and James Bay in northern Manitoba and Ontario, as well as smaller parts of Quebec, Minnesota, Wisconsin, and Michigan, including parts of the Mississippi and Atlantic Flyways. Virginia Rails were from several discrete areas, including parts of Colorado, New Mexico, the central valley of California, and southern Saskatchewan and Manitoba in the Pacific and Central Flyways. Our study demonstrates extensive data from organized citizen science monitoring programs are especially useful for improving isotopic assignments of migratory connectivity in birds, which can ultimately lead to better informed management decisions and conservation actions.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».