Marten space use and habitat selection in managed coniferous boreal forests of eastern Canada
Notice bibliographique
Résumé
Abstract Effects of habitat loss and fragmentation on the behavior of individual organisms may have direct consequences on population viability in altered forest ecosystems. The American marten ( Martes americana ) is a forest specialist considered as one of the most sensitive species to human‐induced disturbances. As some studies have shown that martens cannot tolerate >30–40% clear‐cuts within their home range, we investigated marten space use (home range size and overlap) and habitat selection in landscapes fragmented by 2 different patterns of timber harvesting in the black spruce boreal forest: dispersed‐cut landscapes (10–80 ha cut‐blocks) and clustered‐cut landscapes (50–200 ha cut‐blocks). We installed radio‐collars on female martens and determined 20 winter home ranges (100% minimum convex polygons and 60–90% kernels) in dispersed‐cut ( n = 8) and clustered‐cut ( n = 12) landscapes. Home range size was not related to the proportion of clear‐cuts (i.e., habitat loss), but rather to the proportion of mixedwood stands 70–120 years old. However, female body condition was correlated to habitat condition inside their home ranges (i.e., amount of residual forest and recent clear‐cuts). At the home range scale, we determined that mixedwood forests were also among the most used forest stands and the least used were recent clear‐cuts and forested bogs, using resource selection functions. At the landscape scale, home ranges included more mixedwood forests than random polygons and marten high activity zones were composed of more residual forest and less human‐induced disturbances (clear‐cuts, edges, and roads). These results suggest that mixedwood forests, which occupy approximately 10% of the study area, play a critical role for martens in this conifer‐dominated boreal landscape. We recommend permanent retention or special management considerations for these isolated stands, as harvesting mixedwood often leads to forest composition conversion that would reduce the availability of this highly used habitat. © The Wildlife Society, 2013
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 | 0,000 |
| 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 ».