Predators choose prey over prey habitats: evidence from a lynx–hare system
Notice bibliographique
Résumé
Resource selection is grounded in the understanding that animals select resources based on fitness requirements. Despite uncertainty in how mechanisms relate to the landscape, resource selection studies often assume, but rarely demonstrate, a relationship between modeled variables and fitness mechanisms. Using Canada lynx (Lynx canadensis) and snowshoe hare (Lepus americanus) as a model system, we assess whether prey habitat is a viable surrogate for encounters between predators and prey. We simultaneously collected winter track data for lynx and hare in two study areas. We used information criteria to determine whether selection by lynx is best characterized by a hare resource selection probability function (RSPF) or by the amount of hare resource use. Results show that lynx selection is better explained by the amount of hare use (SIC = -21.9; Schwarz's Information Criterion) than by hare RSPF (SIC = -16.71), and that hare RSPF cannot be assumed to reveal the amount of resource use, a primary mechanism of predator selection. Our study reveals an obvious but important distinction between selection and use that is applicable to all resource selection studies. We recommend that resource selection studies be coupled with mechanistic data (e.g., metrics of diet, forage, fitness, or abundance) when investigating mechanisms of resource selection.
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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».