MétaCan
Menu
Retour à la cohorte
Enregistrement W2474799942 · doi:10.1186/s40462-016-0082-9

Landscape-level movement patterns by lions in western Serengeti: comparing the influence of inter-specific competitors, habitat attributes and prey availability

2016· article· en· W2474799942 sur OpenAlexafffund
Andrew M. Kittle, John Bukombe, A. R. E. Sinclair, Simon Mduma, John M. Fryxell

Notice bibliographique

RevueMovement Ecology · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensUniversity of British ColumbiaUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaTanzania Wildlife Research InstituteZoologische Gesellschaft Frankfurt
Mots-clésPredationCrocuta crocutaPantheraEcologyAnimal ecologyCarnivoreHabitatGeographyPredatorApex predatorSpatial ecologyBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Where apex predators move on the landscape influences ecosystem structure and function and is therefore key to effective landscape-level management and species-specific conservation. However the factors underlying predator distribution patterns within functional ecosystems are poorly understood. Predator movement should be sensitive to the spatial patterns of inter-specific competitors, spatial variation in prey density, and landscape attributes that increase individual prey vulnerability. We investigated the relative role of these fundamental factors on seasonal resource utilization by a globally endangered apex carnivore, the African lion (Panthera leo) in Tanzania's Serengeti National Park. Lion space use was represented by novel landscape-level, modified utilization distributions (termed "localized density distributions") created from telemetry relocations of individual lions from multiple neighbouring prides. Spatial patterns of inter-specific competitors were similarly determined from telemetry re-locations of spotted hyenas (Crocuta crocuta), this system's primary competitor for lions; prey distribution was derived from 18 months of detailed census data; and remote sensing data was used to represent relevant habitat attributes. RESULTS: Lion space use was consistently influenced by landscape attributes that increase individual prey vulnerability to predation. Wet season activity, when available prey were scarce, was concentrated near embankments, which provide ambush opportunities, and dry season activity, when available prey were abundant, near remaining water sources where prey occurrence is predictable. Lion space use patterns were positively associated with areas of high prey biomass, but only in the prey abundant dry season. Finally, at the broad scale of this analysis, lion and hyena space use was positively correlated in the comparatively prey-rich dry season and unrelated in the wet season, suggesting lion movement was unconstrained by the spatial patterns of their main inter-specific competitors. CONCLUSIONS: The availability of potential prey and vulnerability of that prey to predation both motivate lion movement decisions, with their relative importance apparently mediated by overall prey abundance. With practical and theoretical implications, these results suggest that while top carnivores are consistently cognizant of how landscape features influence individual prey vulnerability, they also adopt a flexible approach to range use by adjusting spatial behaviour according to fluctuations in local prey abundance.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,214
Écart entre enseignants0,197 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMovement EcologyMême sujetWildlife Ecology and ConservationTravaux en français237 207