Use of cast antlers to assess antler size variation in red deer populations: effects of mast seeding, climate and population features in Mediterranean environments
Notice bibliographique
Résumé
Abstract Fundamental understanding of the factors influencing cervid antler size, development and investment has been traditionally drawn from harvest data. However, depending on the hunting tactic, harvest data may not represent a random sample of the population leading to possible inferential biases. Cast antlers may represent an alternative, cost‐effective and non‐invasive method. We used 4756 red deer (Cervus elaphus L.) cast antlers collected during a 10‐year period to evaluate the relationship between annual antler gross score and three key environmental components that determine habitat quality and resource availability in Mediterranean systems: (1) population traits (density and male age structure), (2) acorn yield and (3) a proxy of plant productivity [Real Bioclimatic Index(RBI)]. Population traits and acorn yield were measured before antler formation (autumn/winter) whereasRBIwas calculated before (autumn/winter) and during (spring) antler formation. Population traits explained the highest amount of variance in antler score, followed by acorn yield and springRBI, while no effect was found for autumn/winterRBI. Antler gross score was negatively related to population density but positively associated with acorn yield, springRBIand male age structure. Interestingly, a significant interaction between population traits and acorn yield suggests a disproportional effect of population traits on antler size during non‐mast years (poor acorn crops), whereas no significant population effect was observed during mast years. Similarly, we found a positive effect of springRBIon antlers when density was medium or low and/or age structure was balanced or older. These findings have important ecological implications in environments with high inter‐annual resources variability where high population densities lead to strong intraspecific competition during years of low food availability (e.g. during non‐mast years or drier springs), producing large antler size variation. Finally, although cast antlers reflect changes in environmental conditions we do not recommend their use unless reliable data on age structure is available.
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 | 0,001 | 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 ».