Ecology of American martens in northern hardwood forests: resource pulses and resource selection across temporal and spatial scales
Notice bibliographique
Résumé
La gestion et la conservation efficaces de la faune sont basées sur une bonne compréhension des processus écologiques qui opèrent à de multiples échelles spatiales et temporelles et de comment ces processus affectent les populations. Pour les carnivores forestiers, tel que la martre d'Amérique (Martes americana), qui ont besoin de grands espaces, qui sont sensibles aux changements de paysage, et qui sont liés de très près à leurs proies, les études à multiples échelles ont le potentiel d'apporter de l'information utile pour la conservation. Cependant, la collecte de données sur de longues périodes et de vastes paysages représente des défis importants. J'applique ici des données de récolte et de terrain pour examiner des aspects de l'écologie de la martre à de multiples échelles dans une forêt de feuillus à bois dur nordique. J'examine les tendances temporelles dans la relation entre les arbres à paisson, l'abondance relative des petits mammifères, et la récolte de martres et pékans (Martes pennanti). Une large proportion de la variation annuelle du taux de succès de récolte pour les deux espèces a pu être expliquée par des modèles incluant la production de faines d'hêtre à grandes feuilles (Fagus grandifolia) comme variable clé. Basé sur ces résultats, j'ai fait l'hypothèse que l'utilisation de l'espace chez la martre est inversement reliée à la paisson (résultant en une différence de vulnérabilité à la capture) et j'ai testé cette hypothèse en utilisant des données de localisations provenant de martres avec des colliers radio-émetteurs. Les domaines vitaux et les taux de mouvements journaliers automne/hiver différaient entre les années et étaient plus grands lors de faibles paissons que lors de paissons abondantes suivies par des conditions hivernales typiques. Cependant, les différences de ces mesures n'étaient pas significatives entre les faibles paissons et une année avec une paisson abondante suivie d'un hiver doux avec moins de neige. Ainsi, l'influence de l'abondance de nourriture sur l'utilisation de l'espace chez la martre semble être interposée par les conditions hivernales, telle que l'épaisseur de la neige. De plus, j'ai examiné la sélection de ressources chez la martre à de multiples échelles spatiales dans la portion sud de l'écorégion Appalachienne Nord (APN) pour mieux comprendre 1) les variables environnementales qui contraignent la répartition des martres à l'extrême sud de leur distribution nord-américaine de l'est (à savoir, modèle de distribution d'espèce de première ordre; MDE), 2) les variables influençant la distribution de façon plus localisée dans le paysage (deuxième ordre), et 3) la sélection de peuplements forestiers spécifiques dans les domaines vitaux. De ces trois échelles spatiales que j'ai examinées, les martres démontrent la plus forte sélection à l'échelle éco-régionale et les résultats ont supporté l'hypothèse qu'une combinaison de facteurs, incluant la compétition avec les pékans, la structure/complexité forestière, et la couverture du sol sont les conducteurs primaires qui influencent la distribution de la martre dans ce paysage. En particulier, la chute de neige annuelle a eu la plus grande contribution relative dans les modèles (42.2-46.3%) et la présence de martres a été associée avec une chute de neige annuelle moyenne ≥ 230 cm. Ces résultats supportent les mécanismes de l'hypothèse précédente impliquant les relations entre les pékans, les martres, et la neige. Finalement, j'ai discuté de comment les données de suivi de récolte peuvent être utilisées pour comprendre davantage les interactions martre-pékan et ont fourni des exemples d'utilisation de MDE comme outil de conservation. La recherche présentée ici identifie des connections écologiques nouvelles et inattendues entre les mesocarnivores, les petits mammifères, la production forestière de graines, et le couvert de neige qui aideront à la continuation de récolte et de conservation durables des martres.
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 | 0,000 |
| 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) | 0,001 | 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 ».