Insect-weather indicies and the effects of insect harassment on caribou behaviour and activity budgets
Notice bibliographique
Résumé
Many barren-ground caribou (Rangifer tarandus groenlandicus) populations in the Central Arctic are experiencing declin ing numbers. Possible causes include conditions on the post-calving/summer range, especially harassment by biting and parasitic insects. Insect harassment alters habitat use and activity budgets of caribou, potentially leading to reduced forage intake and elevated energy expenditures. This is of particular concern as climatic warming is predicted to increase the duration and intensity of insect activity. In this study, I collected weather, insect catch, and caribou behaviour data on the summer range of the Bathurst caribou herd in the Northwest Territories/Nunavut in 2007 and 2008. I used count models within a generalized linear model framework to explore the relationship between weather parameters and insect activity. The best models, selected using Akaike's information criteria (AIC), were used to develop a correlative insectweather index applicable across the Bathurst range. Additionally, I developed models of fine-scale caribou behaviour as a function of vegetation type, phenological stage, topography, time, and insect activity. Model sets were developed for six behaviour categories, and the most parsimonious models selected using AIC. In this poster presentation, I will discuss results regarding insect indices and factors affecting fine-scale caribou behaviour (completion of analysis expected by September/October 2008). In continued work on this project, these results will be used in conjunction with GPS collar data and energetics modeling to explain patterns of movement and habitat use at coarser spatiotemporal scales, as well as to explore consequences for caribou population productivity.
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 | 0,001 | 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 ».