Effects of Logging Pattern and Intensity on Squirrel Demography
Notice bibliographique
Résumé
ABSTRACT We examined the effect of harvesting intensity and pattern on red squirrels ( Tamiasciurus hudsonicus ), northern flying squirrels ( Glaucomys sabrinus ), and yellow‐pine chipmunks ( Tamias amoenus ) in mature inland Douglas‐fir ( Pseudotsuga menziesii glauca ) forests in south‐central British Columbia, Canada. We sampled squirrels 1 year before harvesting through 4 years after harvesting and estimated population parameters using open‐population models. Relative to unharvested stands, each of the 3 species showed a strong response to tree removal. From 2 years to 4 years after logging, red squirrel density was 40% (SE = 7.1) lower in stands with 50% basal‐area tree removal. From 1 year and up to 4 years after logging, northern flying squirrel density averaged 60% (SE = 5.2) lower in harvested treatments regardless of intensity or pattern of logging. In contrast, density of yellow‐pine chipmunks increased markedly with increased logging intensity. Beginning 3 years after logging, yellow‐pine chipmunk density was 734% (SE = 269) greater in stands with 50% basal‐area tree removal. In the short term, harvesting intensity was a more important determinant of squirrel density than harvesting pattern. Retaining >10 m 2 per ha of live residual stand structure in mature inland Douglas‐fir forests maintained habitat for forest‐dependent species such as red squirrels and northern flying squirrels, albeit at lower densities.
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 ».