Acute drought desiccates highly used habitat and drives herbivores into irrigated croplands
Notice bibliographique
Résumé
In arid and semiarid regions, extreme, extended droughts are becoming more frequent due to climate change. Drought is driving wildlife to seek out food or water resources where they are not as limited, such as in irrigated croplands. We collected GPS locations from 41 mule deer, a generalist herbivore reliant on primary productivity, within three study areas in Utah, USA, during a summer without drought conditions and a summer with extreme drought. This natural experiment provided an opportunity to assess how mule deer shifted their habitat selection, specifically whether drought increased mule deer's use of anthropogenic resources. We integrated remotely sensed estimates from ECOSTRESS, an instrument mounted on the International Space Station that measures evapotranspiration, to characterize a shift in resource use. Mule deer resource use was strongly influenced by the amount of evapotranspiration. In the drought year, shrub habitats lost succulence and mule deer avoided them (57.0% shrub habitat use in baseline vs. 44.6% during drought) and sought out agricultural croplands (increase from 6.2% to 11.8% from baseline to drought). Critically, this behavioral switch from shrub to crop was mediated by the rate of evapotranspiration and we identify the shift when evapotranspiration was >1.03 mm/day. We estimated that the proportion of shrub habitat in the study area with evapotranspiration >1.03 mm/day dropped from 68.8% to 27.2% between the baseline and the acute drought year. Evapotranspiration measured by ECOSTRESS provides complementary information to normalized difference vegetation index (NDVI), a commonly used metric of vegetative greenness, and offers a mechanistic understanding of ungulate resource use that increases the performance of habitat selection models for herbivores. As the impacts of climate change become more acute, wildlife will be drawn from natural areas to locations with anthropogenic resources, elevating the risk of human-wildlife conflict and mortality. Our study points to the need for the use of new data streams, like data derived from ECOSTRESS, into adaptive wildlife management and climate change adaptation planning to minimize human-wildlife risk and damages to humans.
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 ».