Do changes in berry crops drive population fluctuations in small rodents in the southwestern Yukon?
Notice bibliographique
Résumé
Small mammals in boreal forest ecosystems fluctuate dramatically in abundance and 1 possible mechanism to explain these changes is the bottom-up hypothesis of variation in food supplies. Here we ask if variation in berry crops produced by 6 major species of dwarf shrubs and herbs, epigeous mushroom crops, and white spruce seeds allow us to predict changes in the abundance of the red-backed vole (Myodes [= Clethrionomys] rutilus), the deer mouse (Peromyscus maniculatus), and field voles (Microtus oeconomus and M. pennsylvanicus combined) over 13 years (1997–2009) in the Kluane Lake region of the southwestern Yukon, Canada. M. rutilus is the dominant rodent in these forests, comprising 64% of the catch. Overwinter survival is a key demographic variable in all these rodents, and the winter food supply—principally berries produced the previous summer— may be 1 key to overwinter survival. We predicted that berry, mushroom, and tree seed crops in year t would produce changes in rodent density in year t + 1. We could explain statistically 78–98% of the variation in May and August abundance of all 3 rodent species with indices of berry crops and mushrooms in the previous summer. For M. rutilus the critical predictor was berry crops of Empetrum nigrum. For P. maniculatus, the critical species were Arctostaphylos uva-ursi, A. rubra, and mushrooms. Spruce seed crops were not significantly correlated with rodent densities or changes in density. A large fraction of the variation in rodent numbers in this ecosystem is explained by a simple bottom-up model of population limitation.
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 | 0,001 | 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 ».