SCALE-DEPENDENT SUMMER RESOURCE SELECTION BY REINTRODUCED ELK IN WISCONSIN, USA
Notice bibliographique
Résumé
Identifying how habitat use is influenced by environmental heterogeneity at different scales is central to understanding ungulate population dynamics on complex landscapes. We used resource selection functions (RSF) to study summer habitat use in a reintroduced and expanding elk (Cervus elaphus nelsoni) population in the Chequamegon National Forest, Wisconsin, USA. Factors were examined that influenced where elk established home ranges and that influenced habitat use within established home ranges. We also determined grain sizes over which elk responded to environmental heterogeneity and the number of categories of habitat selection from low to high that the elk distinguished. At a large spatial extent, elk home-range establishment was largely explained by the spatial distribution of wolf (Canis lupus) territories. Forage abundance was also influential but was relatively more important at a small spatial extent when elk moved within established home ranges. Areas near roads were avoided when establishing a home-range, but areas near roads were selected for use within the established home range. Elk distinguished among 4 different categories of habitat selection when establishing and moving within home ranges. Spatial and temporal cross validation demonstrated that to improve the predictive strength of habitat models in areas of low inter-annual variability in the environment, it is better to follow more individuals across diverse environmental conditions than to follow the same individuals over a longer time period. Last, our results show that the effects of environmental variables on habitat use were scale-dependent and reemphasize the necessity of analyzing habitat use at multiple scales that are fit to address specific research questions.
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 | 0,001 | 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) | 0,001 | 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 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 ».