Effect of snow cover on the vulnerability of lemmings to mammalian predators in the Canadian Arctic
Notice bibliographique
Résumé
In the Arctic tundra, snow is believed to protect lemmings from mammalian predators during winter. We hypothesized that snow quality (depth and hardness) should affect mammalian predation rates on lemmings, but that this effect would depend on the predator hunting strategy; and that predation by ermines (Mustela erminea), which can hunt lemmings under the snow, should be higher in preferred lemming habitats. We measured snow depth and hardness at tunnels made by arctic fox (Vulpes lagopus) predation attempts, at winter nests nonpredated and predated by ermines, and at random locations. We also determined winter nest density in 3 habitats (wet, mesic, and gully). Deep and hard snow restricted fox predation attempts made by jumping through the snow, but not those made by digging. Ermine predation was unaffected by snow depth and weakly by nest density but was higher in gully and intermediate in mesic habitats, which are conducive to high snow accumulation, compared to the wet habitat. These results indicate that habitat-related topographical features are more important than snow depth or nest density per se in affecting the winter foraging strategy of ermines. Overall, even though we found a relatively weak effect of the snow cover on predation by foxes and ermines, it is difficult to predict how upcoming changes to the snow cover will affect lemming vulnerability to mammalian predators because a wide range of snow conditions may result from climate warming.
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 | 0,002 | 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) | 0,002 | 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 ».