Quantity–quality trade‐offs revealed using a multiscale test of herbivore resource selection on elemental landscapes
Notice bibliographique
Résumé
Abstract Herbivores consider the variation of forage qualities (nutritional content and digestibility) as well as quantities (biomass) when foraging. Such selection patterns may change based on the scale of foraging, particularly in the case of ungulates that forage at many scales. To test selection for quality and quantity in free‐ranging herbivores across scales, however, we must first develop landscape‐wide quantitative estimates of both forage quantity and quality. Stoichiometric distribution models (StDMs) bring opportunity to address this because they predict the elemental measures and stoichiometry of resources at landscape extents. Here, we use StDMs to predict elemental measures of understory white birch quality (% nitrogen) and quantity (g carbon/m2) across two boreal landscapes. We analyzed global positioning system (GPS) collared moose (n = 14) selection for forage quantity and quality at the landscape, home range, and patch extents using both individual and pooled resource selection analyses. We predicted that as the scale of resource selection decreased from the landscape to the patch, selection for white birch quantity would decrease and selection for quality would increase. Counter to our prediction, pooled‐models showed selection for our estimates of quantity and quality to be neutral with low explanatory power and no scalar trends. At the individual‐level, however, we found evidence for quality and quantity trade‐offs, most notably at the home‐range scale where resource selection models explain the largest amount of variation in selection. Furthermore, individuals did not follow the same trade‐off tactic, with some preferring forage quantity over quality and vice versa. Such individual trade‐offs show that moose may be flexible in attaining a limiting nutrient. Our findings suggest that herbivores may respond to forage elemental compositions and quantities, giving tools like StDMs merit toward animal ecology applications. The integration of StDMs and animal movement data represents a promising avenue for progress in the field of zoogeochemistry.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».