Mechanistic home range models capture spatial patterns and dynamics of coyote territories in Yellowstone
Notice bibliographique
Résumé
Patterns of space-use by individuals are fundamental to the ecology of animal populations influencing their social organization, mating systems, demography and the spatial distribution of prey and competitors. To date, the principal method used to analyse the underlying determinants of animal home range patterns has been resource selection analysis (RSA), a spatially implicit approach that examines the relative frequencies of animal relocations in relation to landscape attributes. In this analysis, we adopt an alternative approach, using a series of mechanistic home range models to analyse observed patterns of territorial space-use by coyote packs in the heterogeneous landscape of Yellowstone National Park. Unlike RSAs, mechanistic home range models are derived from underlying correlated random walk models of individual movement behaviour, and yield spatially explicit predictions for patterns of space-use by individuals. As we show here, mechanistic home range models can be used to determine the underlying determinants of animal home range patterns, incorporating both movement responses to underlying landscape heterogeneities and the effects of behavioural interactions between individuals. Our analysis indicates that the spatial arrangement of coyote territories in Yellowstone is determined by the spatial distribution of prey resources and an avoidance response to the presence of neighbouring packs. We then show how the fitted mechanistic home range model can be used to correctly predict observed shifts in the patterns of coyote space-use in response to perturbation.
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 | 0,002 |
| 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 ».