Coyote survival in a row-crop agricultural landscape
Notice bibliographique
Résumé
With intensive farming, planting and harvest are the primary disturbance factors driving cover dynamics that influence wildlife communities. A top predator, coyotes ( Canis latrans Say, 1823) impact other wildlife when populations are high. Thus, knowledge of coyote demographics in agricultural habitat is critical to understanding ecosystem dynamics. We studied survival of 59 radio-collared coyotes (28 juveniles, 31 adults) from 1996 to 2001 in intensively farmed central Illinois. Logistic regression suggested that age and year were important covariates, but sex was not. Divergence in age-specific Kaplan–Meier survival functions occurred during fall harvest because of higher mortality among juveniles. Annual survival (30 April – 29 April) was 0.59 (95% CI = 0.47–0.71) for adults and 0.13 (0.06–0.20) for juveniles captured after June 1. Shooting (58% of mortality) was the principal cause of mortality, followed by road kills (24%) and other mortalities. Mortality of juveniles following agricultural harvest probably occurs because of inexperience, dispersal through unfamiliar territory, intense human activity, and catastrophic loss of agricultural cover. In contrast, we recorded no shootings of coyotes during the growing season when agricultural cover was highest (14 June – 29 September) despite a year-round open hunting season on coyotes in Illinois.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,000 |
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 source (Gemma direct ou Codex distillé), 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 ».