MétaCan
Menu
Retour à la cohorte
Enregistrement W3184704678 · doi:10.3389/fevo.2021.702818

Some Memories Never Fade: Inferring Multi-Scale Memory Effects on Habitat Selection of a Migratory Ungulate Using Step-Selection Functions

2021· article· en· W3184704678 sur OpenAlexafffund
Helena Rheault, Charles R. Anderson, Maegwin Bonar, Robby R. Marrotte, Tyler Ross, George Wittemyer, Joseph M. Northrup

Notice bibliographique

RevueFrontiers in Ecology and Evolution · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensMinistry of Natural Resources and ForestryYork UniversityTrent University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCompute CanadaColorado Parks and WildlifeColorado State University
Mots-clésUngulateOdocoileusHabitatEcologyHome rangeSelection (genetic algorithm)Range (aeronautics)GeographyPopulationBiologyComputer scienceDemographyMachine learning

Résumé

récupéré en direct d'OpenAlex

Understanding how animals use information about their environment to make movement decisions underpins our ability to explain drivers of and predict animal movement. Memory is the cognitive process that allows species to store information about experienced landscapes, however, remains an understudied topic in movement ecology. By studying how species select for familiar locations, visited recently and in the past, we can gain insight to how they store and use local information in multiple memory types. In this study, we analyzed the movements of a migratory mule deer (Odocoileus hemionus) population in the Piceance Basin of Colorado, United States to investigate the influence of spatial experience over different time scales on seasonal range habitat selection. We inferred the influence of short and long-term memory from the contribution to habitat selection of previous space use within the same season and during the prior year, respectively. We fit step-selection functions to GPS collar data from 32 female deer and tested the predictive ability of covariates representing current environmental conditions and both metrics of previous space use on habitat selection, inferring the latter as the influence of memory within and between seasons (summer vs. winter). Across individuals, models incorporating covariates representing both recent and past experience and environmental covariates performed best. In the top model, locations that had been previously visited within the same season and locations from previous seasons were more strongly selected relative to environmental covariates, which we interpret as evidence for the strong influence of both short- and long-term memory in driving seasonal range habitat selection. Further, the influence of previous space uses was stronger in the summer relative to winter, which is when deer in this population demonstrated strongest philopatry to their range. Our results suggest that mule deer update their seasonal range cognitive map in real time and retain long-term information about seasonal ranges, which supports the existing theory that memory is a mechanism leading to emergent space-use patterns such as site fidelity. Lastly, these findings provide novel insight into how species store and use information over different time scales.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,204
Écart entre enseignants0,198 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations34
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Ecology and EvolutionMême sujetWildlife Ecology and ConservationTravaux en français237 207