Fine-scale winter resource selection by American martens in boreal forests and the effect of snow depth on access to coarse woody debris
Notice bibliographique
Résumé
Successful management of boreal forests requires an understanding of the scales at which focal species use resources in their environment. Fine-resolution, within-home-range habitat selection by American martens (Martes americana) has not been well studied in boreal forests, although the importance of downed wood seems almost universal for hunting and resting in winter. We examined winter habitat selection by radio-collared martens while the population was at a 5 y low near Kapuskasing, Ontario, Canada. Fine-resolution models were developed using habitat data collected from snow-tracking 5 resident martens. Resource selection models were compared using an information theoretic approach, and model performance was evaluated by the ability of the models to correctly classify resource use events by martens. Our models suggest that martens selected locations within home ranges that had higher subnivean access to large coarse woody debris (CWD), a medium density of large conifers, and a higher proportion of eastern white cedar (Thuja occidentalis) trees compared to random sites within the home ranges. Subnivean access to CWD decreased with increasing snow depth, and sites used by martens had consistently higher access to CWD compared to random sites within home ranges across the entire range of snow depths measured. Areas used by martens also had lower snow depth than the average within home ranges. Our study illustrates how fine-resolution data can increase the predictability of resource use by martens, and suggests that incorporating sub-stand-level measures such as conserving patches of white cedar and ensuring that CWD remains high through forest succession can increase our ability to successfully manage boreal forests for species such as marten that prefer older stands.
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 ».