Spatial overlap, proximity, and habitat use of individual wolves within the same packs
Notice bibliographique
Résumé
ABSTRACT Packs are the basic social and breeding groups of wolf ( Canis spp.) populations and are often the sampling unit for wolf research. Researchers commonly assume, either explicitly or implicitly, that telemetry data from ≥1 individual wolf can be used to represent the space use, distribution, presence, and resource selection of the pack. We tested these critical assumptions using Global Positioning System telemetry by directly comparing home range size, probability of spatial overlap, seasonal proximity, and habitat use of individuals within wolf packs in central and northern Ontario, Canada, 2006–2010. Space use was similar and probability of overlap was high for wolves within packs for individual 95% home‐range contours. Variation was greater for 50% contours, indicating that individual wolves may use space differently within territories. Wolves within packs spent more time <100 m and <1 km from each other during winter ( = 66 and 75%, respectively) than during other seasons ( = 33 and 40%, respectively) supporting earlier findings that pack cohesion was highest during winter. Individuals within all packs exhibited differences in the use of specific resource variables when separated by >100 m. Use of habitat variables was more similar when we compared resource selection of individuals within packs using all locations (regardless of proximity), although we still detected differences within most packs. Our results suggest that telemetry data from individual wolves can be used to reliably estimate territories for packs, but that researchers should be cautious when making pack‐level inferences regarding finer scale space and habitat use within home ranges based on data from individual animals. © 2014 The Wildlife Society.
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 | 0,001 |
| 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 ».