Seasonal variation in coyote feeding behaviour and mortality of white-tailed deer and mule deer
Notice bibliographique
Résumé
Young ungulates are considered especially susceptible to predation in the initial weeks following birth. However, the timing of mortality can vary depending on the availability of alternative prey and the type of predator, and could vary depending on antipredator defenses used by prey. I used coyote (Canis latrans) scats, observations of coyote hunting behaviour, and mortality data for deer to examine seasonal variation in coyote feeding behaviour and mortality of sympatric white-tailed deer (Odocoileus virginianus) and mule deer (Odocoileus hemionus) fawns. Coyotes captured the vast majority of deer they consumed, forming groups that hunted deer from June through March. Coyotes were observed hunting deer most often in winter when ground squirrels were not available, and an inverse correlation between the amount of deer and ground squirrel in coyote scat reflected this relationship (rs = 0.77, P = 0.004). Fawns of both species had poor survival rates in 1994 (1 of 10 tagged whitetails survived to 1 year, none of 22 mule deer survived), improved survival rates in 1995 (33% of 15 whitetails, 25% of 24 mule deer), and most mortality appeared to be due to coyote predation. The season in which fawns of each species were most vulnerable differed. Tagged whitetail fawns had similar mortality rates in early summer, when they were less than 8 weeks old, as they did in winter, when they were 5-9 months old (35 and 37%, respectively, in 1995). In contrast, mule deer fawns had low mortality rates in early summer (4% in 1994, 17% in 1995), but high mortality rates in winter (100% in 1994, 53% in 1995). Changes in fawn:doe ratios and the examination of carcasses similarly indicated that coyotes captured more whitetails in summer and more mule deer in winter. The seasonal variation in mortality rates of the two species cannot be explained by physical prey characteristics, their relative abundance, or extrinsic factors, and may be due instead to species differences in antipredator behaviour.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».