Habitat selection of resident and non-resident gray wolves: implications for habitat connectivity
Notice bibliographique
Résumé
Habitat selection studies facilitate assessing and predicting species distributions and habitat connectivity, but habitat selection can vary temporally and among individuals, which is often ignored. We used GPS telemetry data from 96 Gray wolves (Canis lupus) in the western Great Lakes region of the USA to assess differences in habitat selection while wolves exhibited resident (territorial) or non-resident (dispersing or floating) movements and discuss implications for habitat connectivity. We used a step-selection function (SSF) to assess habitat selection by wolves exhibiting resident or non-resident movements, and modeled circuit connectivity throughout the western Great Lakes region. Wolves selected for natural land cover and against areas with high road densities, with no differences in selection among wolves when resident, dispersing, or floating. Similar habitat selection between resident and non-resident wolves may be due to similarity in environmental conditions, when non-resident movements occur largely within established wolf range rather than near the periphery or beyond the species range. Alternatively, non-resident wolves may travel through occupied territories because higher food availability or lower human disturbance outweighs risks posed by conspecifics. Finally, an absence of differences in habitat selection between resident and non-resident wolf movements may be due to other unknown reasons. We recommend considering context-dependency when evaluating differences in movements and habitat use between resident and non-resident individuals. Our results also provide independent validation of a previous species distribution model and connectivity analysis suggesting most potential wolf habitat in the western Great Lakes region is occupied, with limited connectivity to unoccupied habitat.
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 | 0,002 |
| 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) | 0,001 | 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 ».