RELATING GROUSE NEST SUCCESS AND CORVID DENSITY TO HABITAT: A MULTI-SCALE APPROACH
Notice bibliographique
Résumé
Predators are the major cause of nest failure for prairie grouse, and corvids are widespread generalist predators that exploit land altered by humans where grouse are found. We studied how human-caused habitat change affected predator and prey by using habitat variables to model nest selection, corvid density, and nest success for sharp-tailed grouse (Tympanuchus phasianellus) in Alberta, Canada, 1999–2001. Habitat was quantified over a range of extents (radius of observation) from 2 to 2,265 m. We predicted that habitat features associated with corvid density at broad extents would also relate to grouse nest success, and that nesting cover and the presence of avian predator perch sites would be important at smaller extents. Corvid density was higher in landscapes with higher proportions of crop and sparse grassland (1,600-m extent). Conversely, nest success was markedly higher (≥ 4 times) in landscapes with < 10% crop and < 35% crop and sparse grassland (aggregated) at broad extents (1,600 m). Moreover, nests were 8 times more likely to succeed in landscapes with lower relative corvid densities (< 3 vs. ≥ 3 corvids/km2). At smaller scales, nests were more likely to succeed with greater heights of concealment cover within 50-m of nests. Land managers can likely improve nest success for grouse in grassland systems by targeting concealment cover heights of at least 13 cm measured over a 50-m extent, and focusing efforts in landscapes with < 10% crop and < 35% crop and sparse grassland (1,600-m extent).
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) | 0,000 | 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 ».