Factors affecting age at primiparity in black bears
Notice bibliographique
Résumé
Abstract Effective wildlife management requires an understanding of the factors affecting population vital rates. Age at primiparity can be an important determinant of population growth rates. Thus, understanding the factors influencing age at primiparity in wild populations is important for their management and conservation. American black bears (Ursus americanus) are widely distributed in North America and show considerable variation in age at primiparity across their range. We tested hypotheses regarding top‐down and bottom‐up drivers of age at primiparity in black bears across the province of Ontario, Canada. We obtained estimates of age at primiparity using cementum patterns in 1,033 bear teeth collected as part of regulated harvest in 2018 and 2019. We compared mean ages at primiparity between 2 distinct forest regions in Ontario using a Wilcoxon test. To quantify the effects of multiple putative drivers of variation in primiparity (e.g., harvest density, food availability, land use, climate), we paired yearly probability of primiparity data with environmental covariates in a mixed effects logistic regression model. Age at primiparity was significantly lower in the more productive forest region, likely reflecting broad‐scale patterns of food availability. Further, there was a significant positive effect of growing degree days (annual sum of daily mean degrees >5°C) on probability of primiparity, likely related to its influence on ecosystem productivity. Harvest density was negatively related to the probability of primiparity, possibly because harvest is positively correlated with bear density at this broad scale, and competition for food resources increases with bear density. Overall, temporal variation in food availability had a positive effect on probability of primiparity in a model fit to data for which we had the highest confidence in age estimates from cementum. Mean age at primiparity was older (5.57 yr) than in other more southernly populations, and most harvested bears (53%) were harvested prior to reproducing. Our analysis suggests that black bear age at primiparity is primarily driven by bottom‐up forces related to climate and vegetation differences that lead to greater food availability in the south. The relatively old age at primiparity and high apparent mortality rate of young animals in this population suggests that harvest can limit recruitment substantially, which needs to be considered when making management decisions.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».