MétaCan
Menu
Retour à la cohorte
Enregistrement W1544231019 · doi:10.22621/cfn.v118i3.13

Summer Diet of Two White-tailed Deer, <em>Odocoileus virginianus</em>, Populations Living at Low and High Density in Southern Québec

2004· article· en· W1544231019 sur OpenAlexafffundvenueabout
Claude Daigle, Michel Crête, Louis Lesage, Jean‐Pierre Ouellet, Jean Huot

Notice bibliographique

RevueThe Canadian Field-Naturalist · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensUniversité LavalCenter for Northern StudiesUniversité du Québec à RimouskiMinistère des Ressources naturelles et des Forêts (Québec)
Organismes subventionnairesUniversité Laval
Mots-clésOdocoileusForageAnimal scienceBiologyRumenLivestockForagingAgronomyEcologyFermentation

Résumé

récupéré en direct d'OpenAlex

We investigated summer diets of two White-tailed Deer (Odocoileus virginianus) populations through rumen content analyses. Samples from 93 deer were collected in a low density, LD (1 deer/km2) and a high density, HD (14 deer/km2) area of southern Québec during the growing seasons of 1997 and 1998. Availability of preferred forage in forests was greater in LD than in HD, whereas agriculture covered a larger proportion of the area in HD than LD. Rumen composition differed between the two populations. Deer from HD consumed less forbs and leaves of shrubs and trees than did LD deer, whereas they consumed more fruits, grasses and farm crops. The rarity in HD rumens of food items common in LD, as well as in many parts of the White-tailed Deer range (i.e., Lilliacae), indicated that deer could not compensate for the rarity of preferred forest forage by increasing foraging time and had to feed on cultivated crops. Rumen contents of LD deer had a higher level of cell solubles and lignin, which reflected their greater reliance on quality forage growing in forests. Feeding habits and forage quality can explain why deer body size decreased in HD between the 1970s and 1990s whereas LD deer remained large.Nous avons examiné le régime alimentaire estival de deux populations de cerf de Virginie (Odocoileus virginianus) par l’analyse du contenu des rumens. Des échantillons ont été prélevés sur 93 cerfs provenant d’un secteur à faible densité de cerfs, LD, (1 cerf/km2) et d’un secteur à haute densité, HD, (14 cerfs/km2) du sud du Québec durant la saison de croissance des végétaux de 1997 et 1998. La disponibilité des aliments forestiers préférés des cerfs était plus grande dans LD que dans HD alors que la proportion du territoire agricole était supérieure dans HD. La composition des rumens des cerfs de chacune des régions différait. Les cerfs de HD ont consommé de moins grandes proportions de plantes herbacées et de feuilles d’arbustes et d’arbres que ceux du secteur LD, mais de plus grandes proportions de fruits, de graminées et de plantes agricoles. La rareté dans les rumens du secteur HD d’aliments communs dans ceux du secteur LD et dans plusieurs autres régions de l’aire de répartition du cerf (e.g., Lilliacae), indique que les cerfs du secteur HD ne pouvaient compenser pour la rareté de leurs aliments préférés par un accroissement de la durée de la quête alimentaire, et qu’ils devaient consommer des plantes agricoles. Les cerfs de LD ont mangé des aliments contenant plus de solubles cellulaires et de lignine que ceux de HD, ce qui reflète une consommation de plantes forestières de bonne qualité. Le régime alimentaire et la qualité de la nourriture peuvent expliquer pourquoi la taille des cerfs de HD a diminué entre les années 1970 et 1990 alors que celle des cerfs de LD est demeurée grande.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,241
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,213
Écart entre enseignants0,201 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2004
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueThe Canadian Field-NaturalistMême sujetWildlife Ecology and ConservationTravaux en français237 207