Wildlife, fire, and forestry: Understanding the spatial and temporal relationships between caribou habitat and disturbance
Notice bibliographique
Résumé
Across the boreal forest, timber harvesting and wildfire convert mature forests to early seral stands resulting in habitat loss for specialists like woodland caribou ( Rangifer tarandus caribou ) and habitat gain for generalists like moose ( Alces americanus ) and bears (black bears: Ursus americanus , grizzly bears: Ursus arctos ). However, there have been few studies on how post-disturbance vegetation communities differ in their value as habitat for these large wildlife species and whether differences vary among disturbance and ecosystem types. We investigated the differential effects of clearcut harvest and wildfire on the habitat of caribou, moose, and bears across the boreal and foothills forests of Alberta, Canada. During 2021 and 2022, we collected tree and understory data from 251 harvested and 264 burned stands (0–40 years post-disturbance), as well as 256 stands with recent caribou use (>40 years post-disturbance). We used generalized linear models to quantify availability of caribou, moose, and bear forage as a function of forest attributes (e.g., basal area, coarse woody debris, soil depth), and assessed differences among harvest, wildfire, and caribou use sites. We found that forest attributes that promoted forage for one species limited forage of another. For example, basal area of deciduous trees was positively related to moose forage and negatively related to caribou winter forage. Our results demonstrate that regardless of disturbance type, regenerating forests can provide seasonal forage for caribou, moose, and bears. Effective habitat management will need to consider not only the dynamic availability of forage following disturbance, but also how these changes in forage influence the spatial interactions herbivores and predators.
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 | 0,001 | 0,001 |
| 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 ».