Golden monkey ranging in relation to spatial and temporal variation in food availability
Notice bibliographique
Résumé
Abstract Understanding the determinants of a species’ range use aids in understanding their ecological requirements, which in turn facilitates designing effective conservation strategies. The ranging behaviour of golden monkeys ( Cercopithecus mitis kandti ) in Mgahinga Gorilla National Park, Uganda was studied from January 2003 to February 2004 to establish habitat preferences. In each 0.25 ha grid cell in the group’s home range we quantified the basal area of food trees (n = 12,133 trees), measured bamboo ( Arundinaria alpina ) stems (n = 103,548), and estimated vine and shrub coverage. The evaluation of habitat preferences was facilitated by the fact that only five plant species, plus invertebrates (7.5%) constituted 96.4% of the group’s foraging effort; this included bamboo (59.9%), Maesa lanceolata (18.7%), Hypericum revolutum (6.8%), Galiniera saxifraga (2.1%) and Ilex mitis (1.4%). Phenology data were collected for all five food tree species, three vines, and two shrubs. Range use generally followed food tree basal area distribution and not the distribution of bamboo, with the abundance of M. lanceolata being more closely associated with home range use than any other food plant. Bamboo was ubiquitous in distribution and a vital year‐round resource for golden monkeys, which they combined with other food items to meet their nutritional requirements. Illegal bamboo or tree extraction both pose a serious threat to the conservation of the golden monkey, but activities that affect food tree abundance will likely have the most influence on monkey persistence.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».