Using subnivean camera traps to study Arctic small mammal community dynamics during winter
Notice bibliographique
Résumé
Small rodents are a key indicator to understand the effect of rapidly changing winter climate on Arctic tundra ecosystems. However, monitoring rodent populations through the long Arctic winter by means of conventional traps has, until now, been hampered by snow cover and harsh ambient conditions. Here, we conduct the first extensive assessment of the utility of a newly developed camera trap to study the winter dynamics of small mammals in the Low Arctic tundra of northern Norway. Forty functional cameras were motion-triggered 20 172 times between September 2014 and July 2015, mainly by grey-sided voles (Myodes rufocanus (Sundevall, 1846)), tundra voles (Microtus oeconomus (Pallas, 1776)), Norwegian lemmings (Lemmus lemmus (Linnaeus, 1758)) and shrews (Sorex spp.). These data proved to be suitable for dynamical modelling of species-specific site occupancy rates. The occupancy rates of all recorded species declined sharply and synchronously at the onset of the winter. This decline happened concurrently with changes in the ambient conditions recorded by time-lapse images of snow and water. Our study demonstrates the potential of subnivean camera traps for elucidating novel aspects of year-round dynamics of Arctic small mammal communities.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 tête enseignante, 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 ».