MétaCan
Menu
Retour à la cohorte
Enregistrement W3108272570 · doi:10.1002/jwmg.21979

Evaluating the Mechanisms of Landscape Change on White‐Tailed Deer Populations

2020· article· en· W3108272570 sur OpenAlexaffabout
Maud Laurent, Melanie Dickie, Marcus Becker, Robert Serrouya, Stan Boutin

Notice bibliographique

RevueJournal of Wildlife Management · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensAlberta Biodiversity Monitoring InstituteUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésOdocoileusHabitatSnowEcologyPredationWildlifeGeographyUngulateWoodlandBiology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Understanding how landscape change influences the distribution and densities of species, and the consequences of these changes, is a central question in modern ecology. The distribution of white‐tailed deer ( Odocoileus virginianus ) is expanding across North America, and in some areas, this pattern has led to an increase in predators and consequently higher predation rates on woodland caribou ( Rangifer tarandus caribou )—an alternate prey species that is declining across western Canada. Understanding the factors influencing deer distribution has therefore become important for effective conservation of caribou in Canada. Changing climate and anthropogenic landscape alteration are hypothesized to facilitate white‐tailed deer expansion. Yet, climate and habitat alteration are spatiotemporally correlated, making these factors difficult to isolate. Our study evaluates the relative effects of snow conditions and human‐modified habitat (habitat alteration) across space on white‐tailed deer presence and relative density. We modeled deer response to snow depth and anthropogenic habitat alteration across a large latitudinal gradient (49° to 60°) in Alberta, Canada, using motion‐sensitive camera data collected in winter and spring from 2015 to 2019. Deer distribution in winter and spring were best explained by models including both snow depth and habitat alteration. Sites with shallower snow had higher deer presence regardless of latitude. Increased habitat alteration increased deer presence in the northern portion of the study area only. Winter deer density was best explained by snow depth only, whereas spring density was best explained by both habitat alteration and the previous winter's snow depth. Our results suggest that limiting future habitat alteration or restoring habitat can alter deer distribution, thereby potentially slowing or reversing expansion, but that climate plays a significant role beyond what managers can influence. © 2020 The Wildlife Society.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,102
Tête enseignante GPT0,306
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Wildlife ManagementMême sujetWildlife Ecology and ConservationTravaux en français237 207