Using vertebrate prey capture locations to identify cover type selection patterns of nocturnally foraging Burrowing Owls
Notice bibliographique
Résumé
Studies of habitat selection often measure an animal's use of space via radiotelemetry or GPS-based technologies. Such data tend to be analyzed using a resource selection function, despite the fact that the actual resources acquired are typically not recorded. Without explicit proof of resource use, conclusions from RSF models are based on assumptions regarding an animal's behavior and the resources gained. Conservation initiatives are often based on space-use models, and could be detrimental to the target species if these assumptions are incorrect. We used GPS dataloggers and digital video recorders to determine precise locations where nocturnally foraging Burrowing Owls acquired food resources (vertebrate prey). We compared land cover type selection patterns using a presence-only resource selection function (RSF) to a model that incorporated prey capture locations (CRSF). We also compared net prey returns in each cover type to better measure reward relative to foraging effort. The RSF method did not reflect prey capture patterns and cover-type rankings from this model were quite different from models that used only locations where prey was known to have been obtained. Burrowing Owls successfully foraged across all cover types; however, return vs. effort models indicate that different cover types were of higher quality than those identified using resource selection functions. Conclusions about the type of resources acquired should not be made from RSF-style models without evidence that the actual resource of interest was acquired. Conservation efforts based on RSF models alone may be ineffective or detrimental to the target species if the limiting resource and where it is acquired are not properly identified.
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 | 0,001 |
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 ».