EFFECTS OF BROWSING HISTORY BY ALASKAN MOOSE ON REGROWTH AND QUALITY OF FELTLEAF WILLOW
Notice bibliographique
Résumé
We studied effects of browsing history by Alaskan moose (Alces alces gigas) on re- growth and quality of feltleaf willow (Salix alaxensis) during late winter 2002 in interior Alaska, USA. We recorded extensive browsing on willows, with 55.6% of leaders on 43 plants browsed by moose and 3.9% browsed by snowshoe hares (Lepus americanus). Foraging moose removed, on average, 15.1 mm of current annual growth from willow twigs, which averaged 24.1 mm in length (62.3% removed). Twigs re-growing from 2-year-old stems that were browsed previously had larger diameters at their bud scale scar than those re-growing from stems that were not browsed in the previous year. Browsing history by moose, however, had no effect on nitrogen content, in vitro dry matter digestibility, or tannin content of willow twigs. Willows did not respond to browsing on individual twigs with an inducible defense system that involved tannins. Diameter at point of browsing (bite size) was larger on twigs that had been browsed previously than for twigs re-growing from second-year growth that had not been browsed. Moose did not exhibit an optimal bite size, but took larger-diameter bites from larger compared with smaller leaders of current annual growth. Forage selection by moose for previously browsed twigs likely relates to greater forage biomass on those twigs rather than to forage quality. We caution, however, that foraging behavior by moose cannot be understood fully without considering additional factors, including predation risk in relation to forage availability. ALCES VOL. 39: 193-202 (2003)
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 | 0,000 | 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 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 ».