Winter Prey Selection of Canada Lynx in Northwestern Montana
Notice bibliographique
Résumé
ABSTRACT The roles that diet and prey abundance play in habitat selection of Canada lynx ( Lynx canadensis ) in the contiguous United States is poorly understood. From 1998–2002, we back‐tracked radiocollared lynx (6 F, 9 M) for a distance of 582 km and we located 86 kills in northwestern Montana, USA. Lynx preyed on 7 species that included blue grouse ( Dendragapus obscurus ), spruce grouse ( Canachites canadensis ), northern flying squirrel ( Glaucomys sabrinus ), red squirrel ( Tamiasciurus hudsonicus ), snowshoe hare ( Lepus americanus ), least weasel ( Mustela nivalis ), and white‐tailed deer ( Odocoileus virginianus ). Snowshoe hares (69 kills) accounted for 96% (4‐yr average, range = 94–99%) of prey biomass during the sample period. Red squirrels were the second‐most‐common prey (11 kills), but they only provided 2% biomass of the winter diet. Red squirrels contributed little to the lynx diet despite low hare densities. A logistic regression model of snowshoe hare, red squirrel, and grouse abundance, as indexed by the number of track crossings of use and available lynx back‐tracks, was a significant (Wald statistic = 19.03, df = 3, P < 0.001) predictor of habitat use. As we expected, lynx ( P < 0.001) selected use‐areas with higher snowshoe hare abundance compared to random expectation. However, the red squirrel index had a weak ( P = 0.087) negative relationship to lynx use, and grouse was nonsignificant ( P = 0.432). Our results indicate that lynx in western Montana prey almost exclusively on snowshoe hares during the winter with little use of alternative prey. Thus, reductions in horizontal cover for hares would degrade lynx habitat.
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 ».