Neonate mortality in mountain caribou: Patterns of predation during onset of a wolf reduction program
Notice bibliographique
Résumé
Abstract Caribou ( Rangifer tarandus ) calf mortality during the neonatal period is commonly attributed to predation, particularly by gray wolves ( Canis lupus ). However, neonate mortality remains understudied in mountain caribou, despite increasing wolf reduction programs. We used an individual‐based movement method to infer parturition and neonate mortality from adult female telemetry data (78 individual‐years), supplemented with 3 years of camera trap data (89 cameras), to examine changes in neonate mortality rates, timing, and locations before (2012–2014) and after (2020–2021) wolf reduction, across 2 calving areas (one rugged, another gradual) for the Itcha‐Ilgachuz subpopulation in British Columbia, Canada. Given the likely difference in the timing of wolf–neonate overlap between calving areas, we hypothesized that wolf predation would be additive to other mortality sources typically affecting younger neonates (e.g., grizzly bear [ Ursus arctos ] predation) in the rugged area, but compensatory in the gradual area. Accordingly, we predicted that reducing wolves would increase survival and lower the average mortality age for neonates in the rugged area, with smaller gains in survival and minimal change in average mortality age in the gradual area. After wolf reduction, survival increased 41% in the rugged area but did not improve in the gradual area, resulting in no overall increase in survival at the subpopulation level. Average mortality age decreased in the rugged area from approximately 14 days to 8 days, coinciding with the peak in camera detections of grizzlies and wolverines ( Gulo gulo ), and remained at approximately 9 days in the gradual area. Mortalities before wolf reduction (i.e., those more likely caused by wolves) were more strongly associated with anthropogenic linear features and treed valley bottoms. Our findings highlight the value of considering habitat‐specific mechanisms influencing calf mortality and integrating indirect approaches to address knowledge gaps in prey–predator dynamics.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».