We pooled recapture data for each y

We pooled recapture data for each year to estimate survival using a Cormack-Jolly-Seber (CJS) model implemented in program MARK (version 5.1; White & Burnham 1999). Our main interest was in survival between hatchlings born in artificial and natural habitats,rather than in estimating recapture rates. We developed a set of candidate models that held recapture rates constant or differed between nest types and that tested for constant survival, time-dependent survival,differences in survival between nest types or interactions between these variables. We derived an estimate of lack of fit for the global (i.e. most parameterized) model in our candidate set using program RELEASE implemented in MARK. There was some evidence that the global model did not fit the data well (v2 = 18Æ48, d.f. = 12, P = 0Æ10), so we adjusted our models for overdispersion (based on the variance inflation factor, cˆ = 1Æ54) using quasi-likelihoodAIC (QAICc) values prior to model selection (Lebreton et al.1992; Burnham & Anderson 1998). QAICc values were used to select the best approximating (hereafter, best) model for the data, based on the principles of parsimony and trade-offs between under- and overfittingmodels (Burnham & Anderson 1998). The best-supported models are those that make up the top 90% of Akaike weights and have relative deviations from the best model of less than two (i.e.DQAICc < 2; Burnham & Anderson 1998). We used the highestranking candidate model to estimate survival and compared annual survival between hatchlings from artificial vs. natural nests over time using a paired t-test. Survival estimates incorporate the probabilities of dying and emigrating (termed apparent survival), which in our study equates to local persistence in the study area (White & Burnham 1999)

結果 (繁體中文) 1:

我們匯集奪回數據每年使用程序MARK實施科馬克 - 喬利 - Seber（CJS）模型估計存活（5.1版;白色及1999年伯納姆）。我們的主要興趣是出生在人工和自然棲息地，而不是估計奪回率之間的幼體成活率。我們開發了一組候選車型是奪回保持恆定的速度或嵌套類型之間和測試不斷的生存不同，時間依賴型存活，
巢類型或這些變量之間的相互作用之間的生存差異。我們使用MARK實現的發布來源的在我們組候選缺乏合適的對全局（即大部分參數）模型的估計。有一些證據表明，全球模型不適合數據以及（V2 =18Æ48，DF = 12，P =0Æ10），所以我們調整我們的模型偏大（基於方差膨脹因子，c =1Æ54）使用準似然
前模型選擇AIC（QAICc）值（Lebreton等1992;伯納姆1998安德森）。QAICc值來選擇最好的逼近（以下，最好的）數據模型的基礎上，簡約和權衡的不足和過度擬合的原理
模型（伯納姆1998年安德森）。最好支持的模型是那些構成頂部90％的Akaike權重，並且具有從少於兩個的最好的模型相對偏差（即
DQAICc <2;伯納姆1998安德森）。我們採用配對t檢驗中使用的幼體之間的highestranking候選模型來估計生存和年度相比，從生存與人工隨著時間的推移自然巢。估計存活率納入死亡和移民（稱為表觀生存）的概率這在我們的研究中相當於本地永久性研究區（白色及1999年伯納姆）

結果 (繁體中文) 2:

The forest area it decreases.

結果 (繁體中文) 3:

我們使用在MARK項目（5.1版；White&Burnham 1999）中實施的Cormack-Jolly-Seber（CJS）模型，對每年的再捕獲數據進行匯總，以估計生存率。我們的主要興趣是在人工和自然棲息地出生的幼體之間的生存，而不是估計再捕獲率。我們開發了一組候選者模型，這些模型可以保持再捕獲率恒定，也可以在巢型之間有所不同，並且可以測試持續生存率和時間依賴生存率，
巢型之間的生存差异或這些變數之間的相互作用。我們使用MARK中實現的程式發佈匯出了對候選集中的全域（即最參數化）模型不匹配的估計。有證據表明，全球模型與數據不太吻合（v2=18Æ48，d.f.=12，P=0Æ10），囙此我們使用准似然法調整了我們的過度分散模型（基於方差通脹因數，cˆ=1Æ54）
模型選擇前的AIC（QAICc）值（Lebreton等人，1992；Burnham&Anderson，1998）。QAICc值用於選擇數據的最佳近似（以下簡稱最佳）模型，該模型基於欠擬合和過擬合之間的節約和權衡原則
模型（Burnham&Anderson 1998）。最佳支持模型是那些占Akaike權重前90%且與最佳模型的相對偏差小於2（即。
DQAICc<2；伯納姆和安德森1998）。我們使用highestranking候選模型估計存活率，並使用配對t檢驗比較人工和自然巢穴孵化的幼雛隨時間的年存活率。生存估計包括死亡和移民的可能性（稱為錶觀生存），在我們的研究中，這等同於研究區域的局部持續性（White&Burnham 1999）