Temporal patterns of wolverine (Gulo gulo luscus) foraging in the boreal forest
Notice bibliographique
Résumé
The foraging patterns and behaviors of predators can be discerned using GPS data. We used GPS data to investigate the temporal patterns of wolverine (Gulo gulo luscus) foraging on large prey in northern Alberta. We built a predictive model of wolverine large-prey events (beaver predation or ungulate scavenging) based on the spatial and temporal patterns of wolverine GPS data at foraging sites we visited in the field in winter. We used this model to predict large-prey events throughout our entire wolverine GPS dataset in winter and summer. We then evaluated how variables related to prey availability, seasonality, competition, and territoriality affected wolverine encounter time, residency time, and return time at predicted large-prey events. We found that wolverines encountered large prey more often in the spring when there is increased beaver and ungulate availability. The total time that wolverines spent at large-prey events was greater in winter (3.11 days [95th percentile = 2.62–3.63 days]) than summer (2.08 days [95th percentile = 1.70–2.51 days]), potentially because prey availability is limited in winter or prey is easier to capture in summer. Wolverines partitioned the total time at events into multiple visits, reducing their residency time and increasing their return time with each revisit, indicating biomass decline through time. The time between visits in winter (10.12 days [95th percentile = 7.99–12.56 days]) and summer (8.39 days [95th percentile = 7.18–9.74 days]) suggests wolverines might be patrolling their home range. We also found that wolverine residency time decreased and return time increased when there were other large-prey events available. Moreover, wolverine residency time at events increased when other wolverines were in the area. Our results suggest that large-prey events are important to the energy balance of wolverines and that wolverine foraging behavior is dynamic in response to environmental change.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».