Effects of vegetation structure and edge habitat on the density and distribution of white-footed mice (<i>Peromyscus leucopus</i>) in small and large forest patches
Notice bibliographique
Résumé
We tested the hypothesis that if the quality or quantity of vegetation in small forest patches is greater than in large patches, then vegetation attributes may contribute to greater densities of white-footed mice (Peromyscus leucopus) in smaller patches. We trapped more mice per hectare in small (range 59 ha) than in large (range 110150 ha) patches, as has been reported by other investigators. The difference appeared to be due primarily to the disproportionately high densities of P. leucopus in the edge habitat of small patches. While the greater edge-to-interior ratio in small patches could contribute to greater overall densities of mice in small patches, we trapped the same relative amount of edge and interior habitats in each of the six study patches. The structural complexity of understory vegetation was much greater in small than in large patches and also in edge than in interior habitats across the six patches. Thus, we trapped the most mice in the most structurally complex vegetation (i.e., edges of small patches). However, while vegetation at the edge of large patches was more complex than in the interior, we did not capture relatively high densities of P. leucopus in edge habitat of large patches. Hence, understory vegetation may differentially influence the distribution of P. leucopus between edge and interior habitats in forest patches of different sizes.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».