MétaCan
Menu
Retour à la cohorte
Enregistrement W3125524675 · doi:10.1111/1365-2656.13425

Drivers of site fidelity in ungulates

2021· article· en· W3125524675 sur OpenAlexfundno aff
Thomas A. Morrison, Jerod A. Merkle, J. Grant C. Hopcraft, Ellen O. Aikens, Jeffrey L. Beck, Randall B. Boone, Alyson B. Courtemanch, Samantha P. H. Dwinnell, W. Sue Fairbanks, Brad Griffith, Arthur D. Middleton, Kevin L. Monteith, Brendan Oates, Louise Riotte‐Lambert, Hall Sawyer, Kurt T. Smith, Jared A. Stabach, Kaitlyn L. Taylor, Matthew J. Kauffman

Notice bibliographique

RevueJournal of Animal Ecology · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesH2020 Societal ChallengesDivision of Environmental BiologyKnobloch Family FoundationU.S. Bureau of Land ManagementNational Institute of Food and AgricultureZoologische Gesellschaft FrankfurtFoundation for North American Wild SheepParks CanadaWyoming Wildlife and Natural Resource TrustHorizon 2020 Framework ProgrammeMassachusetts Department of Fish and GameAlaska Department of Fish and GameUniversity of WyomingU.S. Forest Service
Mots-clésGeographyFidelityEcologyBiologyComputer science

Résumé

récupéré en direct d'OpenAlex

While the tendency to return to previously visited locations-termed 'site fidelity'-is common in animals, the cause of this behaviour is not well understood. One hypothesis is that site fidelity is shaped by an animal's environment, such that animals living in landscapes with predictable resources have stronger site fidelity. Site fidelity may also be conditional on the success of animals' recent visits to that location, and it may become stronger with age as the animal accumulates experience in their landscape. Finally, differences between species, such as the way memory shapes site attractiveness, may interact with environmental drivers to modulate the strength of site fidelity. We compared inter-year site fidelity in 669 individuals across eight ungulate species fitted with GPS collars and occupying a range of environmental conditions in North America and Africa. We used a distance-based index of site fidelity and tested hypothesized drivers of site fidelity using linear mixed effects models, while accounting for variation in annual range size. Mule deer Odocoileus hemionus and moose Alces alces exhibited relatively strong site fidelity, while wildebeest Connochaetes taurinus and barren-ground caribou Rangifer tarandus granti had relatively weak fidelity. Site fidelity was strongest in predictable landscapes where vegetative greening occurred at regular intervals over time (i.e. high temporal contingency). Species differed in their response to spatial heterogeneity in greenness (i.e. spatial constancy). Site fidelity varied seasonally in some species, but remained constant over time in others. Elk employed a 'win-stay, lose-switch' strategy, in which successful resource tracking in the springtime resulted in strong site fidelity the following spring. Site fidelity did not vary with age in any species tested. Our results provide support for the environmental hypothesis, particularly that regularity in vegetative phenology shapes the strength of site fidelity at the inter-annual scale. Large unexplained differences in site fidelity suggest that other factors, possibly species-specific differences in attraction to known sites, contribute to variation in the expression of this behaviour. Understanding drivers of variation in site fidelity across groups of organisms living in different environments provides important behavioural context for predicting how animals will respond to environmental change.

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)0,000
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 enseignants0,018
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0020,000

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 Opus0,009
Tête enseignante GPT0,230
Écart entre enseignants0,221 · 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

Citations106
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Animal EcologyMême sujetWildlife Ecology and ConservationTravaux en français237 207