Individuality, diel time, and landscape context shape space-use of an elusive carnivore in a risky environment
Notice bibliographique
Résumé
Individual animal’s perception of risk can alter how it navigates a landscape altered by anthropogenic and natural disturbances. As perception depends on experience, we should expect habitat selection to be context dependent and individualistic. We hypothesized that: (i) fine-scale habitat selection of fisher ( Pekania pennanti ) in a human dominated landscape is driven by multiple interacting spatio-temporal factors; and (ii) an individual’s response to these factors depend on their exposure to anthropogenic disturbance within their home range (i.e., functional response). We used fine-scale GPS location data of fisher in step-selection functions to make inference on the effects of human development, habitat loss, and road risk on fisher habitat selection. We found fisher habitat selection is individualistic, spatio-temporally dependent and a function of their exposure to anthropogenic disturbance in their home range. Fisher selected areas of lower road risk more frequently relative to availability, particularly during daylight hours. Higher road risk areas were only used more frequently when they were available at night. With a higher human land use in their home ranges fisher selected space near roads at night only, however when the extent of human use in their home range was lower, they selected areas further from roads at all times. Our study shows how individual variability allows fisher to adapt their diel activity to utilize resources in areas of high human land use. This further emphasizes the importance of accounting for individuality and multiple interacting spatio-temporal factors in habitat selection, particularly in highly human modified landscapes.
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 | 0,000 | 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) | 0,003 | 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 ».