A demonstration of the value of recapture data for informing moult phenology models for avian species with imperfect moult data Une démonstration de la valeur des données de recapture pour informer les modèles de phénologie de la mue pour les espèces avec des données de mue imparfaites

Abstract

The Underhill–Zucchini model has revolutionised the study of moult in the context of birds’ annual cycles, but, as for all statistical models, inferences are vulnerable to violations of model assumptions. In particular, the standard Underhill–Zucchini models for moult phenology are vulnerable to imperfect moult data arising, for example, from non-random sampling and/or the misclassification of non-moulting birds. Similarly, inference is challenging for species with dispersed moult periods (population-level moult extending beyond an annual cycle). Using ringing data from Cape Weavers Ploceus capensis and SAFRING data for Cape Sugarbirds Promerops cafer, we demonstrate how recent extensions to the Underhill–Zucchini framework can help the robust estimation of moult parameters in such situations, in particular when within-season recapture data is available.

Les modèles Underhill–Zucchini ont révolutionné l’étude de la mue dans le contexte des cycles annuels des oiseaux, mais comme pour tous les modèles statistiques, les déductions sont vulnérables aux violations des présupposés du modèle. En particulier, les modèles Underhill–Zucchini pour la phénologie de la mue sont vulnérables aux données imparfaites sur la mue provenant, par exemple, d’un échantillonnage non aléatoire et/ou d’une classification erronée des oiseaux qui ne sont pas en mue. De même, l’inférence est difficile pour les espèces dont les périodes de mue sont dispersées (la mue au niveau de la population s’étendant au-delà d’un cycle annuel). En utilisant les données de baguage des tisserins du Cap Ploceus capensis et les données SAFRING pour les promérops du Cap Promerops cafer, nous démontrons comment les extensions récentes de l’approche Underhill–Zucchini peuvent aider à l’estimation robuste des paramètres de mue dans de telles situations, en particulier lorsque des données de recapture au cours de la saison sont disponibles.