Uncertainty during migration: the role of predictable resources in unpredictable conditions in determining movement in Woodland Caribou (<i>Rangifer tarandus</i>)
Notice bibliographique
Résumé
Abstract Environmental and climatic variation drive animal migration. Animals must adjust their behavioral strategies, for example, habitat selection, to match best variation in resources whose value likely varies with conditions such as weather. For example, climate change makes processes such as snowmelt and the emergence of vegetation less predictable at the scale of months or weeks. Furthermore, climate change makes meteorological conditions unpredictable—or dynamic—at the scale of days and hours. The profitability of selecting any particular resource may vary according to local meteorological condition. We studied the impact of dynamic weather conditions on fine-scale movement strategies and resource selection during spring migration of adult female Woodland Caribou (Rangifer tarandus). We assessed the role played by static resources such as open, lichen, and closed forest habitats and their role in a context-dependent of dynamic weather conditions, including temperature, precipitation, and changing snow water equivalent. We tested the role of static resources and dynamic conditions in three contexts: (1) whether caribou were encamped or moving using hidden Markov models; state-specific habitat selection for, and the interaction between, resources and conditions while (2) encamped and (3) moving. Weather conditions influenced the probability of moving or staying encamped, and the probability of selecting for a resource, which likely reflects the profitability of a given resource in a particular condition. The probability of staying encamped in the forest increases as temperature increases, and the probability of selecting an open area is higher when precipitation is lower. We highlight how meteorological conditions modify the selection of a static resource and likely the profitability of a given resource. The resource utility to a consumer is increasingly susceptible to climate change-induced effects.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».