Data from: Habitat conditions during winter explain movement among subpopulations of a declining migratory bird
Notice bibliographique
Résumé
Understanding animal movement patterns among subpopulations is crucial for identifying spatiotemporal patterns in animal abundance. Quantifying such movement rates enables a better understanding of population dynamics and how animals decide to move between habitats throughout their range. However, detailed assessments of animal movements among subpopulations are often difficult to obtain with typical capture-mark-recapture methods, limiting our ability to incorporate movement information into conservation planning. We used six years of high-resolution Global Positioning System (GPS) tracking data in a Bayesian multistate model to quantify habitat drivers of monthly intra- (i.e., from one month to the next within a winter) and inter-winter (i.e., from the last month of one winter to the first month of the following winter) movements among eight different subpopulations of a declining migratory bird, the Greenland white-fronted goose (Anser albifrons flavirostris). We found that while Greenland white-fronted geese were highly philopatric to geographically distinct wintering subpopulations, individuals made intra- and inter-winter movements based on locally available foraging habitat. These decisions changed within and among winters; geese were more likely to make intra-winter movements to areas with fewer croplands and boglands, potentially in response to local food depletion, and more likely to make inter-winter movements to areas with more boglands and "greener" grasslands. We demonstrated a framework for using high-frequency GPS tracking data to discover movement patterns and test hypotheses about environmental drivers of movements, which could be linked with population dynamics and applied to other species of concern for an improved understanding of metapopulations across space and time. Implementing habitat management strategies that optimize foraging conditions throughout winter, including rewetting degraded peatlands to provide bogland food plants, provision of cereal stubbles in early winter and high-quality grasslands throughout winter may therefore help improve conservation outcomes for Greenland white-fronted geese.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 0,001 |
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 ».