MétaCan
Menu
Retour à la cohorte
Enregistrement W2800331719 · doi:10.1093/jmammal/gyy030

Temporal patterns of wolverine (Gulo gulo luscus) foraging in the boreal forest

2018· article· en· W2800331719 sur OpenAlexafffundabout
Matthew A. Scrafford, Mark S. Boyce

Notice bibliographique

RevueJournal of Mammalogy · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and biodiversity studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesEnvironment CanadaGarfield Weston FoundationAlberta Environment and ParksJohns Hopkins UniversityAlberta Conservation AssociationWildlife Conservation Society
Mots-clésPredationUngulateForagingMustelidaeEcologyBeaverHome rangeGeographyEnvironmental scienceFisheryBiologyHabitat

Résumé

récupéré en direct d'OpenAlex

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,012
Score d'incertitude au seuil0,699

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,013
Tête enseignante GPT0,227
Écart entre enseignants0,214 · 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 tête enseignante, 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

Citations23
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of MammalogyMême sujetEcology and biodiversity studiesTravaux en français237 207