Immigration does not offset harvest mortality in groups of a cooperatively breeding carnivore
Notice bibliographique
Résumé
Abstract The effects of harvest on cooperatively breeding species are often more complex than simply subtracting the number of animals that died from the group count. Changes in demographic rates, particularly dispersal, could offset some effects of harvest mortality in groups but this is rarely explored with cooperative breeders. We asked whether a cooperatively breeding species known for long‐distance dispersal could compensate for the effect of harvest mortality on density by adopting immigrants into the group. We used genetic samples to estimate the minimum density of gray wolves ( Canis lupus ) and proportion of immigrants in groups in the northern US Rocky Mountains after an annual harvest regime was initiated and in the Canadian Rocky Mountains where wolves were managed consistently under an annual harvest regime. We tested whether immigration (1) compensated, (2) partially compensated or (3) did not compensate numerically for harvest mortality in groups and hypothesized immigration would increase with increasing harvest intensity. Density of wolves in groups declined after harvest was initiated whereas immigration into groups was consistently low and did not change with harvest in the US study area. Immigration into groups was similarly low and density even lower in the Canadian study area compared to the US study area. Our results indicate immigration did not compensate for harvest mortality in groups in two separate populations of a cooperatively breeding carnivore. We hypothesize the social structure of wolf groups may limit the potentially compensatory response of immigration in some populations.
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 | 0,001 |
| 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 ».