Environment and physiology shape Arctic ungulate population dynamics
Notice bibliographique
Résumé
Species conservation in a rapidly changing world requires an improved understanding of how individuals and populations respond to changes in their environment across temporal scales. Increased warming in the Arctic puts this region at particular risk for rapid environmental change, with potentially devastating impacts on resident populations. Here, we make use of a parameterized full life cycle, individual-based energy budget model for wild muskoxen, coupling year-round environmental data with detailed ontogenic metabolic physiology. We show how winter food accessibility, summer food availability, and density dependence drive seasonal dynamics of energy storage and thus life history and population dynamics. Winter forage accessibility defined by snow depth, more than summer forage availability, was the primary determinant of muskox population dynamics through impacts on calf recruitment and longer term carryover effects of maternal investment. Simulations of various seasonal snow depth and plant biomass and quality profiles revealed that timing of and improved/limited winter forage accessibility had marked influence on calf recruitment (±10-80%). Impacts on recruitment were the cumulative result of condition-driven reproductive performance at multiple time points across the reproductive period (ovulation to calf weaning) as a trade-off between survival and reproduction. Seasonal and generational condition effects of snow-rich winters interacted with age structure and density to cause pronounced long-term consequences on population growth and structure, with predicted population recovery times from even moderate disturbances of 10 years or more. Our results show how alteration in winter forage accessibility, mediated by snow depth, impacts the dynamics of northern herbivore populations. Further, we present here a mechanistic and state-based model framework to assess future scenarios of environmental change, such as increased or decreased snowfall or plant biomass and quality to impact winter and summer forage availability across the Arctic.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 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) | 0,001 | 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 ».