Interpreting Resource Selection at Different Scales for Woodland Caribou in Winter
Notice bibliographique
Résumé
Scientists commonly use resource selection functions (RSFs) to identify areas important to large herbivores. Defining availability of resources is scale dependent and may limit inference on biological mechanisms of selection, particularly if variation in selection of resources is high among individuals within a population. We used logistic regression, the information-theoretic approach, and Global Positioning System (GPS) radiotelemetry data from 10 female woodland caribou (Rangifer tarandus caribou) and 5 wolf (Canis lupus) packs to model resource selection by individual caribou in the winter and late-winter seasons. We evaluated the influence of spatial scale on the relative importance of cost of movement and components of predation risk. We examined attributes of the risk of wolf predation within availability data at 2 spatial scales, and quantified variation in resource selection among individual caribou. Energetic cost of movement was the most important covariate for all caribou at a spatial scale defined by seasonal movement. Increasing distance to areas of high wolf risk was more important at the larger spatial scale of home range. Variation was high in the selection of resources among caribou, although commonalities among individuals enabled pooling data on use and availability into 2 selection strategies. Researchers and managers should conduct multiscale analyses with varied definitions of availability, quantify variation among individuals, and pool data into common selection strategies to identify mechanisms of selection and to map a population's selection for resources on the landscape.
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 ».