MétaCan
Menu
Retour à la cohorte
Enregistrement W4401167194 · doi:10.1186/s40462-024-00488-4

Movement behavior in a dominant ungulate underlies successful adjustment to a rapidly changing landscape following megafire

2024· article· en· W4401167194 sur OpenAlexaff
Kendall L. Calhoun, Thomas Connor, Kaitlyn M. Gaynor, Amy Van Scoyoc, Alex McInturff, Samantha E. S. Kreling, Justin S. Brashares

Notice bibliographique

RevueMovement Ecology · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCalifornia Department of Fish and WildlifeNational Science Foundation
Mots-clésAnimal ecologyUngulateEcologyMovement (music)GeographyBiologyHabitat

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Movement plays a key role in allowing animal species to adapt to sudden environmental shifts. Anthropogenic climate and land use change have accelerated the frequency of some of these extreme disturbances, including megafire. These megafires dramatically alter ecosystems and challenge the capacity of several species to adjust to a rapidly changing landscape. Ungulates and their movement behaviors play a central role in the ecosystem functions of fire-prone ecosystems around the world. Previous work has shown behavioral plasticity is an important mechanism underlying whether large ungulates are able to adjust to recent changes in their environments effectively. Ungulates may respond to the immediate effects of megafire by adjusting their movement and behavior, but how these responses persist or change over time following disturbance is poorly understood. METHODS: We examined how an ecologically dominant ungulate with strong site fidelity, Columbian black-tailed deer (Odocoileus hemionus columbianus), adjusted its movement and behavior in response to an altered landscape following a megafire. To do so, we collected GPS data from 21 individual female deer over the course of a year to compare changes in home range size over time and used resource selection functions (RSFs) and hidden Markov movement models (HMMs) to assess changes in behavior and habitat selection. RESULTS: We found compelling evidence of adaptive capacity across individual deer in response to megafire. Deer avoided exposed and severely burned areas that lack forage and could be riskier for predation immediately following megafire, but they later altered these behaviors to select areas that burned at higher severities, potentially to take advantage of enhanced forage. CONCLUSIONS: These results suggest that despite their high site fidelity, deer can navigate altered landscapes to track rapid shifts in encounter risk with predators and resource availability. This successful adjustment of movement and behavior following extreme disturbance could help facilitate resilience at broader ecological scales.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,237
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMovement EcologyMême sujetWildlife Ecology and ConservationTravaux en français237 207