Linking moose habitat selection to limiting factors
Notice bibliographique
Résumé
It has been suggested that patterns of habitat selection of animals across spatial scales should reflect the factors limiting individual fitness in a hierarchical fashion. Animals should thus select habitats that permit avoidance of the most important limiting factor at large spatial scales while the influence of less important factors should only be evident at fine scales. We tested this hypothesis by investigating moose Alces alces habitat selection using GPS telemetry in an area where the main factors limiting moose numbers were likely (in order of decreasing importance) predation risk, food availability and snow. At the landscape scale, we predicted that moose would prefer areas where the likelihood of encountering wolves was low or areas where habitats providing protection from predation were dominant. At the home‐range scale, we predicted that moose selection would be driven by food availability and snow depth. Wolf territories were delineated using telemetry locations and the study area was divided into 3 sectors that differed in terms of annual snowfall. Vegetation surveys yielded 6 habitat categories that differed with respect to food availability, and shelter from predation or snow. Our results broadly supported the hypothesis because moose reacted to several factors at each scale. At the landscape scale, moose were spatially segregated from wolves by avoiding areas receiving the lowest snowfall, but they also preferentially established their home range in areas where shelter from snow bordered habitat types providing abundant food. At the home‐range scale, moose also traded off food availability with avoidance of deep snow and predation risk. During winter, moose increased use of stands providing shelter from snow along edges with stands providing abundant food. Habitat selection patterns of females with calves differed from that of solitary moose, the former being associated primarily with habitats providing protection from predation. Animals should attempt to minimize detrimental effects of the main limiting factors when possible at the large scale. However, when the risk associated with several potential limiting factors varies with scale, we should expect animals to make trade‐offs among these.
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 | 0,000 | 0,002 |
| 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 | 0,001 | 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) | 0,001 | 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 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 ».