The calm during the storm: Snowfall events decrease the movement rates of grey wolves (Canis lupus)
Notice bibliographique
Résumé
Mammalian predators encounter unique hunting challenges during the winter as snow increases the cost of locomotion and influences predator-prey interactions. Winter precipitation may also affect predators' ability to detect and pursue prey. We investigated the effects of snowfall events on grey wolves (Canis lupus) in a boreal forest ecosystem in northeastern Alberta, Canada. We predicted that wolves would respond to snowfall events by reducing their travel speed and the time they spent travelling. Over the course of two winters, we used remote cameras to identify localized snowfall events and estimate snow depth. We used telemetry data from 17 wolves to calculate travel speed and time spent travelling versus resting. Data were categorized by time of day (night versus day) and time since snowfall events, and analyzed using linear and logistic regression mixed-effects models. We found that wolves were less likely to travel on dates of snowfall events than any date prior to or after an event. Wolves also travelled slower during snowfall events, but only when compared to their travel speed 24 hours before. Effects were most pronounced at night, when movements appeared to be consistent with hunting behavior, and activity levels resumed within 24 hours of a snowfall event. Including snow depth as a variable did not improve model fit. Collectively, our findings suggest that wolves' response is not driven by increased hunting success or by energetic considerations resulting from increased snow depth. Instead, we propose that wolves reduce their activity levels because precipitation dampens hunting success. Snowfall events may impact wolves' ability to detect prey and changes in prey behavior could also lead to decreased encounter rates. We encourage scientists to further investigate the effects of short-term weather events on movement rates and predator-prey interactions.
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 | 0,000 | 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 ».