Local climate determines vulnerability to camouflage mismatch in snowshoe hares
Notice bibliographique
Résumé
Abstract Aim Phenological mismatches, when life‐events become mistimed with optimal environmental conditions, have become increasingly common under climate change. Population‐level susceptibility to mismatches depends on how phenology and phenotypic plasticity vary across a species’ distributional range. Here, we quantify the environmental drivers of colour moult phenology, phenotypic plasticity, and the extent of phenological mismatch in seasonal camouflage to assess vulnerability to mismatch in a common North American mammal. Location North America. Time period 2010–2017. Major taxa studied Snowshoe hare ( Lepus americanus ). Methods We used > 5,500 by‐catch photographs of snowshoe hares from 448 remote camera trap sites at three independent study areas. To quantify moult phenology and phenotypic plasticity, we used multinomial logistic regression models that incorporated geospatial and high‐resolution climate data. We estimated occurrence of camouflage mismatch between hares’ coat colour and the presence and absence of snow over 7 years of monitoring. Results Spatial and temporal variation in moult phenology depended on local climate conditions more so than on latitude. First, hares in colder, snowier areas moulted earlier in the fall and later in the spring. Next, hares exhibited phenotypic plasticity in moult phenology in response to annual variation in temperature and snow duration, especially in the spring. Finally, the occurrence of camouflage mismatch varied in space and time; white hares on dark, snowless background occurred primarily during low‐snow years in regions characterized by shallow, short‐lasting snowpack. Main conclusions Long‐term climate and annual variation in snow and temperature determine coat colour moult phenology in snowshoe hares. In most areas, climate change leads to shorter snow seasons, but the occurrence of camouflage mismatch varies across the species’ range. Our results underscore the population‐specific susceptibility to climate change‐induced stressors and the necessity to understand this variation to prioritize the populations most vulnerable under global environmental change.
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 | 0,000 | 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) | 0,014 | 0,001 |
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 ».