Spatial segregation of sympatric marten and fishers: the influence of landscapes and species‐scapes
Notice bibliographique
Résumé
Co‐occurring species are rarely considered as a factor influencing habitat selection. However, niche theory predicts that sharing resources, predators, and other interspecific interactions can limit the environmental conditions under which a species may exist. How does the spatial distribution of one species affect that of another within shared landscapes? We tested whether sympatric marten Martes americana and fishers M. pennanti in a mountain landscape in Alberta, Canada exhibit local‐scale spatial segregation, beyond differential habitat selection. We modelled marten and fisher distribution in relation to remotely‐sensed habitat data and species co‐occurrence, using generalized linear models and information‐theoretic model selection. Marten and fishers selected different habitat types and showed different responses to habitat fragmentation. Even after accounting for these differences, the absence of one species significantly explained the occurrence of the other. We conclude that the spatial distribution of marten and fishers influences habitat selection by each other at landscape scales, and hypothesize that this pattern may result from competition in a spatially heterogeneous environment. Species‐habitat models that consider only resources may fail to capture key predictors of species’ occurrence. Reliable prediction and inference requires that ecologists expand from landscapes to also include species‐scapes: a spatial plane of species interactions that combines with resources to drive species’ distributions.
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) | 0,000 | 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 ».