Tests of density dependence using indices of relative abundance in a deer population
Notice bibliographique
Résumé
A major question in animal ecology is explaining the causes of population fluctuations. Consensus about the most reliable method to detect density dependence (DD) or environmental effects from time‐series data, however, has not yet been achieved. Times series analyses have been used with indices of relative abundance in numerous studies, although these indices are rarely validated. Here, we used three different time series of relative abundance (number of deer seen per hunter per day, hunting success and proportion of males in the harvest) to explore direct and delayed DD in a white‐tailed deer Odocoileus virginianus population on Anticosti Island, Québec, Canada. Three mathematical approaches were tested: linear models, autoregressive (AR) models, and total DD in life history. Tests of DD using different indices of abundance on the same population should lead to similar results if all indices exhibit similar behaviour. Indices of relative abundance correlated with each other, although sometimes weakly, such that we obtained similar DD estimates with each index using detrended non‐stationary series. In most time series, linear regression of N t−1 and N t and AR models did not detect DD, while we obtained strong evidence for DD from the life‐history approach. This meant that contrasting conclusions about the role of density dependence within this population were reached depending on which method was used. We conclude that the method that incorporates most biological realism, the life‐history approach, provided a different result than classical interpretation of autoregressive coefficients. Only the life‐history interpretation supported our a priori belief that density dependence operating through competition for food regulates the Anticosti deer population. Phenomenological analysis aiming to investigate changes in abundance should be carefully conducted as the use of inappropriate indices or methods could lead to inappropriate conclusions or management strategies. Preferably, the method used should match the time scale of the population sampling regime and species life history.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».