Community Ecology and Conservation of Bear-Salmon Ecosystems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Apex predators play keystone roles in ecosystems through top-down control, but the effects of apex omnivores on ecosystems could be more varied because changes in the resource base alter their densities and reverberate through ecosystems in complex ways. In coastal temperate ecosystems throughout much of the Northern Hemisphere, anadromous salmon once supported abundant bear populations, but both taxa have declined or been extirpated from large parts of their former ranges with limited research on the consequences of diminished or absent interactions among species. Here we review the biogeography of bear-salmon interactions and the role of salmon-subsidized bears in (1) resource provisioning to plants and scavengers through the distribution of salmon carcasses, (2) competition among bears and other large carnivores, (3) predation of ungulate neonates, (4) seed dispersal, and (5) resource subsidies to rodents with seed-filled scats. In addition to our review of the literature, we present original data to demonstrate two community-level patterns that are currently unexplained. First, deer densities appear to be consistently higher on islands with abundant brown bears than adjacent islands with black bears and wolves, and moose calf survival is higher at low bear densities (<∼25 bears per 100 km 2 ) but is constant across the vast majority of bear densities found in the wild (i.e., ∼>25 bears per 100 km 2 ). Our review and empirical data highlight key knowledge gaps and research opportunities to understand the complex ecosystem effects related to bear-salmon interactions.
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.
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 découle