Differential space use inferred from live trapping versus telemetry: northern flying squirrels and fine spatial grain
Notice bibliographique
Résumé
Small mammal space use is inferred from live-capture data or various methods of tracking, with differences between these methods potentially affecting the input and subsequent inferential abilities of resulting wildlife-habitat models. Unlike tracking via radio telemetry, live trapping employs use of bait, which is known to change proximate animal density as evident in many food addition studies (the ‘pantry effect’), and conceivably bias individuals’ space use, particularly if measured over small spatial extents in heterogeneous areas. The present study analysed both trapping and telemetry data from northern flying squirrels (Glaucomys sabrinus) to assess whether different habitat associations could be generated based on methods alone. Conditional on sampling method, two different space-use patterns were identified from the same group of squirrels and two significantly different sets of habitat model input were associated with each. Trap areas were not used post capture; once enumerated, animals on average (n = 34) spent over 80% of their time from 100 to 200+ m, upwards of 800 m, away from trap areas. Using telemetry and fine-grained habitat structure data, this study found 33% of sampled squirrels used areas not identified via habitat-stratified trap effort (specifically black spruce habitat). It is concluded that wildlife-habitat investigations dealing with fine spatial grain are likely to acquire different results using trapping versus telemetry, especially if animals are relatively mobile and habitat structure is relatively heterogeneous.
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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».