Does Foraging or the Avoidance of Predation Determine Habitat Selection by Selective Resident Grazers in the Serengeti Woodlands? A Mixed Strategy with Season
Notice bibliographique
Résumé
Savanna systems are characterised by a community of large mammal herbivores with up to 30 species; coexistence is based on resource partitioning. In this paper we analyse the features of the landscape and plant structure which lead herbivores to use particular locations, a key to resource partitioning. The processes involved, top-down versus bottom-up, are well known for large species and small ones but not for medium-sized ones. We use two resident, medium-sized species, topi (Damaliscus lunatus jimela) and kongoni, (Alcelaphus buselaphus cokei) in the central woodlands of the Serengeti; selection of habitat by the residents is important for predator-prey interactions and for interactions among the grazers. Using Principal Component Analysis and Multiple Regression we develop highly predictive models which show that resource availability is the critical determinant of habitat selection in the dry season; and reduction in predation risk appears to be important in the wet season. These results show for the first time that habitat selection by the medium-sized herbivores is driven by different strategies in the two seasons. This contributes to understanding the processes involved in the dynamics of this globally important savanna system, a necessary foundation for management.
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) | 0,000 | 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 ».