Individual snowshoe hares manage risk differently: integrating stoichiometric distribution models and foraging ecology
Notice bibliographique
Résumé
Abstract Herbivores making space use decisions must consider the trade-off between perceived predation risk and forage quality. Herbivores, specifically snowshoe hares (Lepus americanus), must constantly navigate landscapes that vary in predation risk and food quality, providing researchers with the opportunity to explore the factors that govern their foraging decisions. Herein, we tested predictions that intersect the risk allocation hypothesis (RAH) and optimal foraging theory (OFT) in a spatially explicit ecological stoichiometry framework to assess the trade-off between predation risk and forage quality. We used individual and population estimates of snowshoe hare (n = 29) space use derived from biotelemetry across three summers. We evaluated resource forage quality for lowbush blueberry (Vaccinium angustifolium), a common and readily available forage species within our system, using carbon:nitrogen and carbon:phosphorus ratios. We used habitat complexity to proxy perceived predation risk. We analyzed how forage quality of blueberry, perceived predation risk, and their interaction impact the intensity of herbivore space use. We used generalized mixed effects models, structured to enable us to make inferences at the population and individual home range level. We did not find support for RAH and OFT. However, variation in the individual-level reactions norms in our models showed that individual hares have unique responses to forage quality and perceived predation risk. Our finding of individual-level responses indicates that there is fine-scale decision-making by hares, although we did not identify the mechanism. Our approach illustrates spatially explicit empirical support for individual behavioral responses to the food quality–predation risk trade-off.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 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 ».