Mobility and home range use by pine martens (<i>Martes martes</i>) in a Polish primeval forest
Notice bibliographique
Résumé
:We measured daily movements and use of home ranges for 14 radio-collared pine martens (Martes martes) in Bialowieza National Park (eastern Poland) in 1991-1996. Data were collected during 70 continuous sessions of 24-h radio-tracking with locations taken at 15-min intervals. Daily movement distance (DMD, sum of straight-line distances between consecutive locations) averaged 5.1 km·d-1 (min-max: 0.4-12.6) in females and 5.8 km·d-1 (min-max: 0.7-12.7) in males. The mean speed of martens was 0.6 km·h-1 (min-max: 0.2-1.4). Daily ranges (DR) used by martens averaged 49 ha (min-max: 1-149) in females and 54 ha (min-max: 1-182) in males and constituted 0.3% to 88% (mean 26% and 29%, respectively) of annual home ranges held by martens. Indices of penetration of daily ranges (IPdr, in metres of route per hectare of DR) showed whether the daily routes of martens were densely packed and concentrated or loosely distributed. IPdr averaged 220 m·ha-1 in females and 139 m·ha-1 in males. Ambient temperature, abundance of forest rodents (martens’ main prey resource), sex, and reproductive activity of an animal were crucial factors shaping the variation in all parameters. DMD, DR, and speed were positively correlated with ambient temperature (from -17 °C to 26 °C). With increasing temperature, martens moved faster, covered longer distances, and used larger daily ranges. Mobility and home range use were affected by breeding activity. In spring, females rearing cubs had longer DMD and moved faster than non-breeding females. In summer, males covered larger daily ranges during the mating period than outside it. We reviewed the available data on pine martens’ wintertime DMD in Europe. In locations ranging from 41° to 69° N, the average and maximum recorded DMD of martens increased from south to north. We propose that pine martens have to cover longer routes to fulfil their food requirements in the conditions of declining ecosystem productivity and shrinking prey resources found along the south-north gradient.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».