Spatially segregated foraging patterns of moose (<i>Alces</i> <i>alces</i>) and mountain hare (<i>Lepus</i> <i>timidus</i>) in a subarctic landscape: different tables in the same restaurant?
Notice bibliographique
Résumé
Differences in body sizes of mountain hares (Lepus timidus L., 1758) and moose (Alces alces (L., 1758)) affect their ability to perceive and respond to environmental heterogeneity and plant density. Therefore, we expect these species to show niche separation at different scales in the same environment. Results showed that the numbers of mountain birches (Betula pubescens subsp. czerepanovii L.) browsed by moose per unit area was inversely related to hare browsing. Moose browsed larger birches compared with hares, and while hares targeted areas with high birch densities regardless of tree sizes, moose preferentially browsed areas with high densities of large birches. Moose browsing was clustered at spatial intervals of 1000–1500 m, while hare browsing was clustered at intervals of less than 500 m. Willows (genus Salix L.) in the study area were heavily browsed by moose, while few observations of hare browsing on willow were made. Regarding both hare and moose, numbers of birch stems with new browsing per sample plot were positively correlated with the numbers of birch stems with old browsing, indicating that hare and moose preferred the same foraging sites from year to year. These findings have implications for management of the species because they show the importance of scale and landscape perspectives in planning and actions.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».