Sciurid Habitat Relationships in Forests Managed Under Selection and Shelterwood Silviculture in Ontario
Notice bibliographique
Résumé
Although partial forest harvesting is practiced over large areas, managers know little about its impacts on sciurid rodents, particularly on northern (Glaucomys sabrinus) and southern flying squirrels (G. volans) in the northeastern United States and Canada. We examined habitat relationships of sciurid rodents (northern flying squirrels, southern flying squirrels, red squirrels [Tamiasciurus hudsonicus], and eastern chipmunks [Tamias striatus]) at 2 spatial scales in managed and unmanaged coniferous and hardwood forests of Algonquin Provincial Park, Ontario, Canada. We live-trapped rodents in 26 northern hardwood stands and in 16 white pine (Pinus strobus) stands from 2002 to 2004. Northern flying squirrel and red squirrel densities were significantly lower in recently harvested (3–10 yr since harvest) shelterwood stands than in unmanaged stands. In contrast, southern flying squirrel densities were higher in selection-harvested stands than in old-forest areas. The densities of northern flying squirrels and red squirrels had a strong relationship with the density of large spruce (Picea sp.) and hardwood trees and snags in conifer sites. Southern flying squirrel numbers had a positive association with the density of mast trees at the landscape level but not at the stand level in hardwood forests. Eastern chipmunk density had a positive correlation with the volume of old downed woody debris and the stems per hectare of declining trees. We recommend forest managers retain more large spruce and hardwood trees to mitigate the impacts of shelterwood harvesting on northern flying squirrels and red squirrels, and that they maintain high mast availability at the landscape level to ensure the persistence of southern flying squirrels.
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 ».