MétaCan
Menu
Retour à la cohorte
Enregistrement W2610685499

Linking Habitat Selection and Predation Risk to Spatial Variation in Fitness for Woodland Caribou

2013· article· en· W2610685499 sur OpenAlexaff
Nicholas J. DeCesare, Mark Hebblewhite, Mark Bradley, Dave Hervieux, Marco Musiani

Notice bibliographique

RevueIntermountain journal of sciences · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensUniversity of CalgaryGovernment of AlbertaParks Canada
Organismes subventionnairesnon disponible
Mots-clésWoodland caribouThreatened speciesPredationEcologySelection (genetic algorithm)HabitatPopulationWoodlandUngulateBiologyGeographyDemography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A central assumption underlying niche theory and the study of habitat selection is that selected habitats confer enhanced fitness. Here, we separately measured spatial patterns of both resource selection and predation risk and tested their relationships with a key demographic fitness trait, adult female survival, for a threatened ungulate, woodland caribou (Rangifer tarandus caribou). We used Cox-proportional hazards spatial survival modeling to assess support for various selection- and risk-based estimates of habitat quality using previously developed caribou resource selection functions and wolf predation risk models. Indeed we found positive relationships between the predicted values of a scale-integrated resource selection function and survival, yet subsequently incorporating predation risk greatly improved models further. Predation risk was an additive source of hazard beyond that detected through selection alone, and selection thus shown to be non-ideal. Furthermore, by combining spatially-explicit adult female survival predictions with herd-specific estimates of recruitment in matrix population models, we demographically estimated a fitness landscape for this threatened 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 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)0,001
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,240
Écart entre enseignants0,231 · 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIntermountain journal of sciencesMême sujetWildlife Ecology and ConservationTravaux en français237 207