Predicting multi-predator risk to elk ( Cervus canadensis ) using scats: Are migrant elk exposed to different predation risk?
Notice bibliographique
Résumé
There is evidence that prey can perceive the risk of predation and alter their behaviour in response, resulting in changes in spatial distribution and potential fitness consequences. Previous approaches to mapping predation risk quantify predator space use to estimate potential predator-prey encounters, yet this approach does not account for successful predator attacks resulting in prey mortality. An exception is a prey kill-site, which reflects an encounter resulting in mortality, but obtaining these data can be expensive and requires time to accumulate adequate sample sizes. We illustrate an alternative approach using predator scat locations and their contents to quantify spatial predation risk for elk ( Cervus canadensis ) from multiple predators in Alberta, Canada. We combined predictions of scat-based resource selection functions for bears ( Ursus arctos/U. americanus ), cougars ( Puma concolor ), coyotes ( Canis latrans ), and wolves ( C. lupus ) based on scat-detection dog surveys with predictions for the probability that a predator-specific scat in a location contained elk. We evaluated our approach by comparing predictions to a predation risk model developed from elk kill sites and applied it to describing spatial patterns in predation risk that were consistent with changes in the distribution of elk over the past decade. We found a strong correlation between risk predicted by kill sites and risk predicted by our approach (r = 0.98, P < 0.001). There was a spatial pattern to predation risk, where elk that migrated east of their winter range were exposed to highest risk from cougars, non-migratory elk were exposed to high risk from wolves and bears, and risk to elk that migrated west of their winter range into protected areas was high only from bears. The patterns in predator risk were consistent with changes in the migratory tactics in this population. The scat-based approach we present permits broad-scale inferences on predation risk for prey.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 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 ».