Mesopredators change temporal activity in response to a recolonizing apex predator
Notice bibliographique
Résumé
Abstract Apex predators can influence ecosystems through density and behaviorally mediated effects on herbivores and mesopredators. In many parts of the world, apex predators live in, or are returning to, landscapes that have been modified by people; so, it is important to understand their ecological role in anthropogenic landscapes. We used motion-activated game cameras to compare the activity patterns of humans and 2 mesopredators, coyotes (Canis latrans) and bobcats (Lynx rufus), in areas with and without an apex predator, the gray wolf (Canis lupus), in a multiuse landscape of the northwestern United States. In areas with wolves, there was a significant increase in temporal niche overlap between the mesopredators owing to higher levels of coyote activity at all time periods of the day. Temporal overlap between mesopredators and humans also increased significantly in the presence of wolves. Coyotes exposed to wolves increased their activity during dawn, day, and dusk hours. The increase in coyote activity was greatest during the day, when wolves were least active. The direction of change in bobcat activity in areas with wolves was opposite to coyotes, suggesting a behaviorally mediated cascade between wolves, coyotes, and bobcats, although these findings would need to be confirmed with further research. Our findings suggest that mesopredators in human-dominated systems may perceive humans as less dangerous than apex predators, that humans may be more likely to encounter mesopredators in areas occupied by top predators, and that behaviorally mediated effects of apex predators on mesopredators persist in human-dominated landscapes.
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) | 0,004 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».