Quantifying Densities of Snowshoe Hares in Maine Using Pellet Plots
Notice bibliographique
Résumé
Population densities are costly and logistically infeasible to measure directly across the broad geographic ranges of many wildlife species. For snowshoe hares (Lepus americanus), a keystone species in northern boreal forest, indirect approaches for estimating population densities based on fecal pellet densities have been developed for boreal forest in northwestern Canada and in conifer-dominated montane forest in Idaho. Previous authors cautioned against applying these estimates across the geographic range of hares without further testing, but no published relationships for estimating densities from pellet counts are available for the mixed conifer—deciduous forests of the southeastern portion of the hare's range in North America. Thus, we estimated pellet and hare densities in 12 forested stands, 4 sampled twice during 1981–1983 and 8 sampled once during 2000–2002. Mark—recapture estimated densities of snowshoe hares from eastern and western Maine during 1981–1983 were linearly related to pellet densities to 15,000 pellets/ha/month (1.5 hares/ha) (Adj. r2 = 0.87, n = 8, P < 0.001) and accurately predicted densities of hares ( = 7% greater) estimates than actually observed at higher pellet densities sampled in northern Maine during 2000–2002.
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) | 0,002 | 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 ».