Spatial variation in mink and muskrat interactions in Canada
Notice bibliographique
Résumé
We investigated the spatial attributes of mink ( Mustela vison ) and muskrat ( Ondatra zibethicus ) interactions in Canada using 160 geographically paired historic time series of mink ( n =80) and muskrat ( n =80) harvest data obtained from Hudson's Bay Co. Archives. All series were 25 years in length (1925–1949) and were distributed primarily throughout five ecozones. We used autoregressive models and cross‐correlation analysis to characterize the interactions between mink and muskrat. Model selection results did not differ among ecozones, and indicated that a predator‐prey autoregressive model incorporating a delayed density‐dependent term best described both the mink and muskrat harvest time series. Subsequent analysis of autoregressive coefficients and estimated lags indicated that mink and muskrat interactions vary throughout Canada. In western Canada, the trophic interactions appear to be strong, and mink population cycles lag behind muskrats 2–3 years. In central Canada, mink harvests lagged behind muskrats 1 year, and mink and muskrat interactions in central Canada, with the exception of the Hudson Plains ecozone, were intermediate. In eastern Canada, the trophic interactions appeared weakest, and there were no distinct time lags between mink and muskrat. Stronger interactions in western Canada may be a result of decreased prey diversity, forcing mink to specialize more on muskrats, whereas comparatively stronger perturbations stemming from other trophic interactions may alter the estimated interaction between mink and muskrat in eastern Canada.
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) | 0,001 | 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 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 ».