Seasonal and daily shifts in behavior and resource selection: how a carnivore navigates costly landscapes
Notice bibliographique
Résumé
The dynamic environmental conditions in highly seasonal systems likely have a strong influence on how species use the landscape. Animals must balance seasonal and daily changes to landscape risk with the underlying resources provided by that landscape. One way to balance the seasonal and daily changes in the costs and benefits of a landscape is through behaviorally-explicit resource selection and temporal partitioning. Here, we test whether resource selection of coyotes (Canis latrans) in Cape Breton Highlands National Park, Nova Scotia, Canada is behaviorally-explicit and responsive to the daily and seasonal variation to presumed costs and benefits of moving on the landscape. We used GPS data and local convex hulls to estimate space use and Hidden Markov Models to estimate three types of movement behavior: encamped, foraging, and traveling. We then used integrated step-selection analysis to investigate behaviorally explicit resource selection across times of day (diurnal, crepuscular, and nocturnal) and season (snow-free and snow). We found that throughout the day and seasonally coyotes shifted foraging behavior and altered behavior and resource choices to avoid moving across what we could be a challenging landscape. These changes in behavior suggest that coyotes have a complex response to land cover, terrain, and linear corridors that are not only scale dependent but also vary by behavior, diel period, and season. By examining the resource selection across three axes (behavior, time of day, and season), we have a more nuanced understanding of how a predator balances the cost and benefits of a stochastic environment.
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) | 0,000 | 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 ».