Woodland caribou calf recruitment in relation to calving/post-calving landscape composition
Notice bibliographique
Résumé
Since the 1990s, Newfoundland’s woodland caribou (Rangifer tarandus caribou) population has declined by an estimated 66%. Low calf recruitment has been associated to the decline, possibly triggered by increasing calf predation and/or decreasing resources. To investigate the role of landscape composition in this system, we studied the yearly (2005-2008) calving/post-calving range (CPCR) of 104 satellite-collared females belonging to six herds. We mapped nine disturbance factors (e.g. roads, logging, etc), as well as vegetation cover types (e.g. coniferous, deciduous forests, etc), and determined the total area they occupied within CPCRs yearly for each herd. Using an information theoretic approach, we assessed the model that best explained variation in recruitment using these components. Based on corrected Akaike Information Criterion, the model that best explained variation in calf recruitment included total disturbance and deciduous forest area, both showing the expected negative relationship with calf recruitment. Other landscape variables among the models with ΔAICc < 2 were mixed forest, also with a suggested negative relationship, and barrens and wetlands with a significant positive trend. This study highlights the need to minimize total disturbance footprint and account for resulting changes in forest composition within CPCRs during land use planning. Expanding forestry operations and road infrastructure in critical woodland caribou habitat across Canada may additionally contribute to habitat loss via fragmentation. This in turn, may lead to range recession beyond the initial local avoidance footprint. We see the possibility of using calf recruitment models based on landscape parameters, among others, to predict the impact of new industrial developments on calf recruitment.
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) | 0,002 | 0,001 |
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 ».