Habitat Selection by Prairie Dogs in a Disturbed Landscape at the Edge of Their Geographic Range
Notice bibliographique
Résumé
ABSTRACT Although habitat attributes of black‐tailed prairie dog ( Cynomys ludovicianus ) colonies have been described for central and northern portions of the species' geographic range, little is known about these associations at the southern edge of this species' distribution. Because high‐quality habitats are expected to be scarcer at the edge of the species' geographic range, different patterns of habitat selection might emerge in these populations. We analyzed habitat selection by black‐tailed prairie dogs in a human‐disturbed mosaic of desert grasslands and shrublands in northwestern Chihuahua, Mexico. We contrasted 151 used and 133 unused habitat units producing 11 case‐control logistic regression models to explain site occupancy by prairie dogs with different combinations of environmental variables. Prairie dogs from Chihuahua occupy sites similar in most respects to sites in more northern regions, although these prairie dogs appear to be more tolerant of increased shrub density and reduced herbage cover. We found that site occupancy was best modeled by positive effects of soil moisture level, cover of forbs, cover of unpalatable vegetation, cover of bare ground, and amount of prairie‐dog colony area within 1 km and by the inverse of altitude, shrub density, herbage height, and amount of hostile habitat within 1 km. The 2 most significant variables were herbage height and shrub density, which might reflect the prominent role that visibility plays in habitat selection by prairie dogs. In contrast, we found weak evidence that human features have significant impacts on site occupancy by prairie dogs. Our results support the prediction that environmental conditions of sites used by prairie dogs in edge regions partially differ from those observed in more northern latitudes. We suggest that reserve managers focus conservation efforts on areas with short vegetation, low density of shrubs, and high herbage cover, conditions that could be promoted by controlled burns, herbage mowing, and mechanical removal of shrubs.
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 ».