Varied tastes: home range implications of foraging‐patch selection
Notice bibliographique
Résumé
Despite evidence of home range behaviour across many taxa, the mechanisms underlying the development of home ranges are still unknown. Recently, models have been developed to explore these mechanisms for both territorial and non‐ territorial species. One such model for a generic forager suggests animal memory and optimal foraging theory as underlying mechanisms driving forager movement and the development of stable home ranges. Although this is a promising model for ungulate home range development, assumptions of the model have yet to be evaluated. Using GPS relocation data from two populations of elk, we explored how foraging patch selection might influence the structure and development of home ranges in elk Cervus elaphus . During the summer growing season, we identified and sampled foraging patches used by elk. Points along elk paths not used for foraging were sampled identically for comparison. We contrasted ‘patch’ and ‘nonpatch’ data points, to identify foraging selection differences across herd, sex and season using a combination of directly sampled and remotely sensed covariates. In general, elk selected patches with higher biomass, cover, slope and lower traffic on the nearest road. These patch‐selection results speak directly to differences between foraging areas and other areas used by elk and demonstrate that both physiographic and anthropocentric features influence foraging patch selection. Our results offer insight as to what defines a valuable foraging patch for elk and how these patches might influence the development and structure of home ranges in a free‐ranging ungulate.
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 ».