MétaCan
Menu
Retour à la cohorte
Enregistrement W2144833036 · doi:10.1111/j.1461-0248.2009.01359.x

Serengeti real estate: density vs. fitness‐based indicators of lion habitat quality

2009· article· en· W2144833036 sur OpenAlexaff
Anna Mosser, John M. Fryxell, Lynn E. Eberly, Craig Packer

Notice bibliographique

RevueEcology Letters · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésHabitatEcologyIdeal free distributionAbundance (ecology)Reproductive successForagingGeographyQuality (philosophy)BiologyDemographyPopulation

Résumé

récupéré en direct d'OpenAlex

Habitat quality is typically inferred by assuming a direct relationship between consumer density and resource abundance, although it has been suggested that consumer fitness may be a more accurate measure of habitat quality. We examined density vs. fitness-based measures of habitat quality for lions in the Serengeti National Park, Tanzania. A 40-year average of female reproductive success (yearling cubs per female) was best explained by proximity to river confluences, whereas patterns of productivity (yearling cubs per km(2)) and adult female density (individuals per km(2)) were associated with more general measures of habitat quality and areas of shelter in poor habitat. This suggests that density may not accurately distinguish between high-quality 'source' areas and low-quality sites that merely provide refuges for effectively non-reproductive individuals. Our results indicate that density may be a misleading indicator of real estate value, particularly for populations that do not conform to an ideal free distribution.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,592

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,239
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations140
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology LettersMême sujetWildlife Ecology and ConservationTravaux en français237 207