Demography and reproductive seasonality of small terrestrial mammals in two forest ecosystems in Ghana
Notice bibliographique
Résumé
Abstract We examined the effects of habitat types (farmlands, open forests and closed forests) and seasons on the population demography and reproduction of small terrestrial mammals in two tropical evergreen forests [Atewa Range Forest Reserve (ARFR) and Bimpong Forest Reserve (BFR)] environments in 2018 and 2019. Small mammals were trapped with Sherman's collapsible traps on transects across land use types and seasons to measure change in the relative density, sex ratio, age structure, juvenile recruitment and breeding probability. Twenty‐two (22) species of 506 small mammals (16 rodents and six shrews) were recorded in this study. Relative density of small mammals (captures/100 trap nights) was highest ( p < 0.05) in the farmland [ARFR (3.48); BFR (2.36)] than the open forest [ARFR (1.96); BFR (0.65)] and closed forest [ARFR (1.13); BFR (0.98)] habitats in both forest ecosystems. Overall sex ratio was male‐skewed (1.03:1) in the study. ARFR recorded higher female ratios in all habitat types [farmland (1:1.2); open forest (1:1.04); closed forest (1:1.3)] and seasons than males. Male sex ratio was high in all habitat types and seasons in the BFR. Majority of individuals captured in the habitat types [farmland (1.5:1); open forest (1.1:1); closed forest (1.5:1)] and seasons were adults. Over 90% of all captured adults in the study areas were actively breeding. The closed forest habitat type had the highest proportion (0.93) of actively breeding small mammals in the study forests. Seasonally, there were more species actively breeding in the wet season in ARFR and dry season in BFR. Majority of the small mammal captured ( n = 268 recorded for ARFR and n = 168 for BFR) were adults. Juvenile recruitment (proportion of juveniles/total capture) was low for all the study forests (with mean proportions of 0.11, 0.04 and 0.03 for closed forest, farmland and open forest, respectively, in ARFR and 0.05, 0.03 and 0.07 for closed forest, farmland and open forest, respectively, in BFR) and seasons. Anthropogenic activities degrade ecosystems, change population demography and favour habitat generalists and pest species.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».