Nowhere to hide: Effects of linear features on predator–prey dynamics in a large mammal system
Notice bibliographique
Résumé
Rapid landscape alteration associated with human activity is currently challenging the evolved dynamical stability of many predator-prey systems by forcing species to behaviourally respond to novel environmental stimuli. In many forested systems, linear features (LFs) such as roads, pipelines and resource exploration lines (i.e. seismic lines) are a ubiquitous form of landscape alteration that have been implicated in altering predator-prey dynamics. One hypothesized effect is that LFs facilitate predator movement into and within prey refugia, thereby increasing predator-prey spatial overlap. We evaluated this hypothesis in a large mammal system, focusing on the interactions between boreal woodland caribou (Rangifer tarandus caribou) and their two main predators, wolves (Canis lupus) and black bears (Ursus americanus), during the calving season of caribou. In this system, LFs extend into and occur within peatlands (i.e. bogs and nutrient-poor fens), a habitat type highly used by caribou due to its refugia effects. Using resource selection analyses, we found that LFs increased predator selection of peatlands. Female caribou appeared to respond by avoiding LFs and areas with high LF density. However, in our study area, most caribou cannot completely avoid exposure to LFs and variation in female response had demographic effects. In particular, increasing proportional use of LFs by females negatively impacted survival of their neonate calves. Collectively, these results demonstrate how LFs can reduce the efficacy of prey refugia. Mitigating such effects will require limiting or restoring LFs within prey refugia, although the effectiveness of mitigation efforts will depend upon spatial scale, which in turn will be influenced by the life-history traits of predator and prey.
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) | 0,000 | 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 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 ».