Spatial relationships of sympatric wolves (Canis lupus) and coyotes (C. latrans) with woodland caribou (Rangifer tarandus caribou) during the calving season in a human-modified boreal landscape
Notice bibliographique
Résumé
Context Woodland caribou (Rangifer tarandus caribou) populations have declined across most of North America. Wolf (Canis lupus) predation on adults is partially responsible for declines; however, caribou declines also can be attributed to low calf survival. Wolves and invading coyotes (C. latrans) may contribute to mortality of calves. Aim We assessed wolf and coyote food habits and population and individual level selection for caribou-preferred habitats (bogs and fens) during the caribou calving season (15 April to 30 June) in north-eastern Alberta, Canada, to determine what role these predators might play as a mortality factor for caribou calves. Methods We deployed global positioning system and very high-frequency (VHF) radio-collars on 32 wolves and nine coyotes in January 2006 – January 2008, and VHF collars on 42 adult female caribou individuals in 2003–08. We assessed wolf and coyote habitat selection using used-available resource-selection functions, and spatial overlap of wolves and coyotes with caribou using logistic regression to estimate coefficients for latent selection-difference functions. We collected and analysed scats to assess wolf and coyote food habits. Key results Wolves generally avoided caribou-preferred habitats, particularly bogs. Most coyotes selected caribou-preferred habitats (bogs and/or fens); however, relative to caribou, they were found closer to upland forests. Hair from adult and calf caribou was uncommon in wolf and coyote diet and caribou is likely to be an uncommon alternative prey for these predators. Conclusions We found that >25% of wolf packs and most coyotes selected caribou-preferred habitats during the calving season. Although caribou was not an important prey, limited secondary predation, by these predators and black bears (Ursus americanus), on adult and calf caribou is likely to be contributing to caribou population declines. Implications We caution that predation on caribou is likely to escalate as coyotes expand into this region and increasing human disturbance continues to create habitat for white-tailed deer (Odocoileus virginianus), which is an important prey for both wolves and coyotes.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».