Behavioral “bycatch” from camera trap surveys yields insights on prey responses to human-mediated predation risk
Notice bibliographique
Résumé
Human disturbance directly affects animal populations but indirect effects of disturbance on species behaviors are less well understood. Camera traps provide an opportunity to investigate variation in animal behaviors across gradients of disturbance. We used camera trap data to test predictions about predator-sensitive behavior in three ungulate species (caribou Rangifer tarandus; white-tailed deer, Odocoileus virginianus; moose, Alces alces) across two boreal forest landscapes varying in disturbance. We quantified behavior as the number of camera trap photos per detection event and tested its relationship to predation risk between a landscape with greater industrial disturbance and predator abundance (Algar) and a “control” landscape with lower human and predator activity (Richardson). We also assessed the influence of predation risk and habitat on behavior across camera sites within the disturbed Algar landscape. We predicted that animals in areas with greater predation risk (more wolf activity, less cover) would travel faster and generate fewer photos per event, while animals in areas with less predation risk would linger (rest, forage), generating more photos per event. Consistent with predictions, caribou and moose had more photos per event in the landscape where predation risk was reduced. Within the disturbed landscape, no prey species showed a significant behavioral response to wolf activity, but the number of photos per event decreased for white-tailed deer with increasing line of sight (m) along seismic lines (i.e. decreasing visual cover), consistent with a predator-sensitive response. The presence of juveniles was associated with shorter behavioral events for caribou and moose, suggesting greater predator sensitivity for females with calves. Only moose demonstrated a positive association with vegetation productivity (NDVI), suggesting that for other species influences of forage availability were generally weaker than those from predation risk. Behavioral insights can be gleaned from camera trap surveys and provide information about animal responses to predation risk and the indirect impacts of human disturbances.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,001 | 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 ».