Aspen parkland pasture altered by Richardson’s Ground Squirrel (<em>Urocitellus richardsonii</em> Sabine) activity: the good, the bad, and the not so ugly?
Notice bibliographique
Résumé
Although Richardson’s Ground Squirrels (Urocitellus richardsonii) are considered pests throughout their North American range, their impact on forage in Canadian aspen parkland has not been explored. We investigated the effect of Richardson’s Ground Squirrel density on forage quality and plant community composition in an intensely grazed cattle pasture in the aspen parkland region of Manitoba, Canada. We detected no significant differences in forage protein content or legume, grass, and litter biomass among ground squirrel density levels. However, ground squirrel density did influence the abundance of invasive and forage plant species; greater squirrel density reduced the prevalence of Smooth Brome (Bromus inermis Leysser) and Red Clover (Trifolium pratense L.) and increased the abundance of Quackgrass (Elymus repens (L.) Gould) and Black medick (Medicago lupulina L.). Plant community diversity also increased with ground squirrel density. There were no differences in soil bulk density or ammonia content among squirrel density levels; however, soil nitrate content was highest at low ground squirrel density. Changes in available soil nitrogen and relative abundances of forage species on this pasture may affect cattle diet by altering both the availability and quality of forage. Our findings highlight the need for further investigation of the role of Richardson’s Ground Squirrel on rangeland in the aspen parkland region to ascertain the generality of the effects documented in our study. Until such effects and their implications for cattle production are understood, land managers should refrain from exterminating colonies of Richardson’s Ground Squirrel.
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 | 0,003 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».