MétaCan
Menu
Retour à la cohorte
Enregistrement W6967045943 · doi:10.48448/94yb-cf79

Using hidden Markov models to identify Ancient Murrelet foraging behaviour and habitat during the breeding season

2021· other· en· W6967045943 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueUnderline Science Inc. · 2021
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésForagingSeabirdHabitatPopulationSeasonal breederPredationSatellite trackingHidden Markov modelWildlife

Résumé

récupéré en direct d'OpenAlex

Abstract: Understanding where seabirds travel and the behaviours they exhibit while on foraging trips is an important step in understanding their at-sea habitat requirements. Investigating movements of individuals from specific breeding colonies has become easier with the advent of tracking devices that can be mounted directly on individual birds. Foraging areas are often of most interest for conservation management, and one of the first steps to identifying important foraging habitat is to differentiate foraging behaviour from the record of movement captured by tracking devices. The Ancient Murrelet (Synthliboramphus antiquus) is a seabird species of conservation interest in Canada, due to the high proportion of the global population nesting in a relatively concentrated area of the British Columbia coast. In 2018 and 2019 we collected GPS tracks from Ancient Murrelets nesting on two colonies within the Haida Gwaii archipelago. We calculated trip metrics such as foraging range, total trip length, and trip duration. We successfully used hidden Markov models to classify movement exhibited by murrelets into three behaviour states (foraging, resting, and transit). We found that immersion data from GPS tags were essential for differentiating slow-moving behaviours. Logistic regression models suggested that depth, seafloor slope, tidal speed, and distance from the colony were negatively associated with foraging probability, while foraging intensity was greater in deeper areas. The combination of individual movement analysis and habitat analysis provides an important first step to identifying priority at-sea habitats, including critical breeding-season foraging areas, for murrelets in the waters around Haida Gwaii. Results will be used by the Canadian Government in support of the Ocean Protection Plan and successful management of this species under the Species at Risk Act. Authors: Vivian Pattison¹, Laurie Wilson¹, Patrick O'Hara¹, Christopher Bone², Laura Cowen² ¹Environment and Climate Change Canada, ²University of Victoria

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,904
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,068
Tête enseignante GPT0,342
Écart entre enseignants0,274 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUnderline Science Inc.Travaux en français237 207