Time vs. distance: Alternate metrics of animal resource selection provide opposing inference
Notice bibliographique
Résumé
Abstract Quantifying resource use or selection by valued species on a human‐altered landscape is important for wise conservation action. Here, we contrast metrics of resource selection based on Global Positioning System ( GPS ) telemetry, which indexes time spent in various habitats, with tracking in snow, which measures distance travelled. When animals move at different speeds within different habitats, the two methods can produce different results. The study was conducted in winter on endangered mountain caribou ( Rangifer tarandus caribou ) in a landscape fragmented by forestry roads and cutblocks. From 2001 to 2009, 25 caribou were monitored with GPS collars obtaining locations every two to six hours, and compared to 63 caribou trails followed in snow in the same study area and time period. Logistic regression was used to estimate selection for both metrics, with the same definition of use and availability employed. Forest age, tree species, edge distances, and road densities were the covariates of interest. For most covariates, the two metrics produced similar results that agreed with the literature: selection for primary forest stands that represent forage patches. Both metrics indicated selection for habitat edges that potentially enhance foraging. The distance metric (snow trailing) indicated strong selection for forestry roads (42% more than available), whereas GPS locations suggested an avoidance of roads (33% less than available). The GPS analysis was in agreement with the vast majority of work published on woodland caribou, whereas the distance metric suggests some of the first evidence of selection for anthropogenic linear features. Our results highlight a potential bias against detecting selection for habitat features used for movement when using long fix intervals (>2 h) that typify most GPS studies. Avoidance of linear features should be carefully examined and designs considered to asses this bias. Finally, the selection of roads by caribou exacerbates an already desperate situation by creating a potential trap because roads are also preferred by some predators.
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) | 0,002 | 0,001 |
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 ».