ECOLOGY OF NORTH AMERICAN RED SQUIRRELS ACROSS CONTRASTING HABITATS: RELATING NATAL DISPERSAL TO HABITAT
Notice bibliographique
Résumé
Because natal dispersal affects both individual fitness and population persistence, it is important to understand how dispersers are affected by habitat heterogeneity. To explore the effect of habitat on dispersal, we compared the ecology and natal dispersal of red squirrels (Tamiasciurus hudsonicus) originating from mature forest and adjacent commercially thinned forest. Because individuals living along the edge between the 2 forest types were more likely to have experience in both habitats, we classified squirrels according to habitat type (mature or thinned) and position (edge or deep within forest). Using livetrapping and radiotelemetry, we compared 4 habitats in terms of juvenile settlement patterns, surrogate measures of fitness, and population demography. Mature forest appeared to represent the highest quality habitat: mean density, mean overwinter survival, probability of surviving the field season, and success at raising ≥1 juveniles to emergence were higher in mature forest. However, the majority of juveniles from all habitats settled close to their natal territory, and with the exception of juveniles living along the edge of mature forest, juveniles settled within their habitat of origin. Juveniles living along mature edge biased their settlement for deep within mature forest. It appears that dispersal outcomes were affected by a combination of experience and opportunity. There are few, if any, other studies that have simultaneously compared demography, dispersal movements, and settlement patterns across contrasting habitats. While rare, studies such as this that link individual behavior and population theory are vital to effective population and landscape management.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».