Seasonal variation in diet and nutrition of the northern‐most population of <i>Rhinopithecus roxellana</i>
Notice bibliographique
Résumé
There is a great deal of spatial and temporal variation in the availability and nutritional quality of foods eaten by animals, particularly in temperate regions where winter brings lengthy periods of leaf and fruit scarcity. We analyzed the availability, dietary composition, and macronutrients of the foods eaten by the northern-most golden snub-nosed monkey (Rhinopithecus roxellana) population in the Qinling Mountains, China to understand food choice in a highly seasonal environment dominated by deciduous trees. During the warm months between April and November, leaves are consumed in proportion to their availability, while during the leaf-scarce months between December and March, bark and leaf/flower buds comprise most of their diet. When leaves dominated their diet, golden snub-nosed monkeys preferentially selected leaves with higher ratios of crude protein to acid detergent fiber. While when leaves were less available, bark and leaf/flower buds that were high in nonstructural carbohydrates and energy, and low in acid detergent fiber were selected. Southern populations of golden snub-nosed monkey can turn to eating lichen, however, the population studied here in this lichen-absent area have adapted to their cool deciduous habitat by instead consuming buds and bark. Carbohydrate and energy rich foods appear to be the critical resources required for the persistence of this species in temperate habitat. The dietary flexibility of these monkeys, both among seasons and populations, likely contributes to their wide distribution over a range of habitats and environments.
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 ».