Habitat quality and population density drive occupancy dynamics of snowshoe hare in variegated landscapes
Notice bibliographique
Résumé
The influence of habitat quality and population density on occupancy dynamics may surpass that of traditional metrics of area and isolation, but often this is not considered explicitly in studies of spatially structured populations. In landscapes that are not easily characterized as binary habitat/non‐habitat (e.g. variegated landscapes), this influence may be even more important and occur at both local and landscape levels. It follows that occupancy dynamics may be driven by disparate processes depending on how extinction or colonization relate to habitat quality and population density. We examined the relative influence of area, structural isolation, habitat quality, local population density, and neighborhood population density (i.e. population density in the landscape around a site) on the probability of extinction and colonization of snowshoe hare Lepus americanus across an expansive forest mosaic landscape (encompassing the northern third of Idaho). Habitat quality and population density were highly influential in determining extinction and colonization, whereas patch area and isolation were much less important. Sites with heavier vegetative cover at the site or landscape‐level were more likely to be colonized and less likely to go extinct, and sites with greater local population density in the previous time step had lower probability of extinction. Sites embedded in high density neighborhoods also were less likely to go extinct, but not more likely to be colonized. We found a significant interaction between local and neighborhood population density on extinction in 1 yr, suggesting that the strength of demographic rescue may vary dependent on local site densities. Our results add to a growing literature showing that factors outside of structural metrics of area and isolation are important drivers of occupancy dynamics. Given the multi‐scaled influence of habitat quality and population density on occupancy dynamics, our work also indicates that research on snowshoe hare must extend beyond simply assessing local factors to understand the spatial dynamics of populations.
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 ».