Evaluating the influence of anthropogenic landscape change on wolf distribution: implications for woodland caribou
Notice bibliographique
Résumé
Abstract Across much of the range of woodland caribou ( Rangifer tarandus caribou ), predator–prey dynamics have changed as a result of large‐scale industrial development. Land clearing and associated early‐successional forests have resulted in a greater density and distribution of moose ( Alces alces ), deer ( Odocoileus spp.), and their associated predators. This process of apparent competition has resulted in increased predation on woodland caribou. We employed a combination of field and statistical methods to better understand the distribution and interactions of wolves ( Canis lupus ) and caribou across a region with high levels of industrial development. We used count models to investigate the frequency of wolf occurrence relative to landcover types, disturbance features, and caribou habitat. As predicted, the co‐occurrence between caribou and wolves was rare. Similarly, the remains of caribou were identified at a small proportion of the sites where wolves killed large prey. Caribou occurred at low densities across the study area, and thus, wolves likely pursued other more abundant deer species. Encounters between wolves and caribou habitat was most likely to occur in the low‐elevation boreal forest and areas closer to and with higher densities of forestry cutblocks. Our results highlight the importance of understanding the spatial dynamics of multi‐species interactions when developing recovery strategies for threatened and endangered species.
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) | 0,001 | 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 ».