MétaCan
Menu
Retour à la cohorte
Enregistrement W4415040646 · doi:10.1002/oik.11706

Habitat and predator heterogeneity influence density of a declining mammal

2025· article· en· W4415040646 sur OpenAlexfundno aff
Yu Hongli, Axel Barlow, Robert S. Davis, Louise Gentle, Antonio Uzal, Philip J. Baker, Richard W. Yarnell

Notice bibliographique

RevueOikos · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesTrent UniversityNatural EnglandNottingham Trent University
Mots-clésBadgerHabitatPredatorSpatial heterogeneityArable landPredationPopulation densityCovariateBiological dispersal

Résumé

récupéré en direct d'OpenAlex

Accurate density estimates are crucial for effective conservation management. However, in highly dynamic landscapes where variation in habitat composition and predator–prey interactions in both space and time is likely, integrating spatiotemporal covariate effects in density estimation is challenging and often large datasets are needed. Here, we used an 11‐year spatial capture–recapture (SCR) dataset from a typical mixed agroecosystem in England to estimate landscape‐scale densities of western European hedgehogs Erinaceus europaeus . We simultaneously integrated spatially varied habitat covariates, and the spatiotemporal variation in predator (Eurasian badger Meles meles ) den site into one SCR framework. Density was spatially structured (range 0.39–13.54 on a 1 km 2 grid), and was lower in arable fields and highest in amenity grasslands next to buildings. Density was also positively associated with soil permeability, density of edge habitats, proximity to the nearest building, and distance from the nearest badger sett. A new badger sett appeared halfway through the study period, resulting in a hedgehog density‐weighted population centre over the study area shift away from the badger sett and a decrease in annual hedgehog density estimates, supporting the landscape of fear for hedgehogs in response to their main predator the badger. Density estimates were also 43% lower after incorporating spatiotemporal covariate heterogeneity into the modelling process, highlighting the need to integrate dynamic habitat and predator influences into density modelling to provide more accurate estimations. Finally, our findings demonstrate the importance of long‐term monitoring for understanding population responses to changes in predator presence and provide clear empirical evidence for a prey species altering space use in relation to the increased predator, supporting the landscape of fear hypothesis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,001
Score d'incertitude au seuil0,164

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,239
Écart entre enseignants0,231 · 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 tête enseignante, 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOikosMême sujetWildlife Ecology and ConservationTravaux en français237 207