Assessing Nutritional Parameters of Brown Bear Diets among Ecosystems Gives Insight into Differences among Populations
Notice bibliographique
Résumé
Food habit studies are among the first steps used to understand wildlife-habitat relationships. However, these studies are in themselves insufficient to understand differences in population productivity and life histories, because they do not provide a direct measure of the energetic value or nutritional composition of the complete diet. Here, we developed a dynamic model integrating food habits and nutritional information to assess nutritional parameters of brown bear (Ursus arctos) diets among three interior ecosystems of North America. Specifically, we estimate the average amount of digestible energy and protein (per kilogram fresh diet) content in the diet and across the active season by bears living in western Alberta, the Flathead River (FR) drainage of southeast British Columbia, and the Greater Yellowstone Ecosystem (GYE). As well, we estimate the proportion of energy and protein in the diet contributed by different food items, thereby highlighting important food resources in each ecosystem. Bear diets in Alberta had the lowest levels of digestible protein and energy through all seasons, which might help explain the low reproductive rates of this population. The FR diet had protein levels similar to the recent male diet in the GYE during spring, but energy levels were lower during late summer and fall. Historic and recent diets in GYE had the most energy and protein, which is consistent with their larger body sizes and higher population productivity. However, a recent decrease in consumption of trout (Oncorhynchus clarki), whitebark pine nuts (Pinus albicaulis), and ungulates, particularly elk (Cervus elaphus), in GYE bears has decreased the energy and protein content of their diet. The patterns observed suggest that bear body size and population densities are influenced by seasonal availability of protein an energy, likely due in part to nutritional influences on mass gain and reproductive success.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».