Multi‐scale habitat selection of elk in response to beetle‐killed forest
Notice bibliographique
Résumé
ABSTRACT Forests of the Rocky Mountains (USA and Canada) have experienced a large‐scale bark‐beetle ( Dendoctronus ponderosae ) epidemic that has led to widespread mortality of pine trees, followed by structural and compositional changes to the forest. The millions of dead trees resulting from this event likely have an effect on ecosystem processes, but currently those effects are mostly unclear. Changes to forest canopy and understory structure are likely to affect behavior and space use of large ungulates as forage abundance, thermal cover, and locomotive costs are presumably altered. We developed and tested hypotheses for how resource selection in summer of female elk ( Cervus canadensis ; n = 47; 2012–2016), the primary large mammal in our study area, was influenced by changes in canopy, understory vegetation, and downed logs in bark‐beetle affected forest in south‐central Wyoming, USA. We employed global positioning system (GPS) technology, an imagery‐derived land cover classification specifically depicting beetle‐affected forest, and on‐the‐ground forest measurements to develop resource and step selection functions. At the study area scale, elk avoided beetle‐killed forest during nearly all parts of the day and selected for intact conifer forest during the day. At the micro‐habitat scale, as canopy cover decreased in beetle‐killed areas, there was a concomitant increase in grass biomass and downed logs. Nevertheless, while in the forest, elk did not alter resource selection relative to changes in understory vegetation or downed logs. The boost in forage abundance within beetle‐killed areas was insufficient to overcome the presumed increases in energy expenditures associated with locomotion and thermoregulation in beetle‐killed forests. The bark‐beetle epidemic has altered how elk use the landscape and has resulted in a potential loss of forest habitat that elk use during the day. Our results indicate that habitat treatments (i.e., fire or harvest) that remove standing dead trees and downed logs in beetle‐killed forest would further facilitate understory growth while reducing the locomotion costs associated with foraging in beetle‐killed forest. © 2019 The Wildlife Society.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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) | 0,000 | 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 tête enseignante, 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 ».