Little brown bat activity patterns and conservation implications in agricultural landscapes in boreal Yukon, Canada
Notice bibliographique
Résumé
(Uploaded by Plazi for the Bat Literature Project) Agriculture can threaten the persistence of bat populations by removing forests and wetlands and by intensifying production. Both processes are underway in expanding agricultural landscapes of boreal North America. To inform land planning and agricultural practices aimed at maintaining a viable population of the little brown bat (Myotis lucifugus), we assessed the use by bats of human-modified (open fields, forest-field edges, and cleared edges of ponds) and unmodified (forest ponds and forest interior) habitat features in agricultural landscapes in southern Yukon, Canada (60 N–61 N), using acoustic recordings. We summarized bat activity (number of 3-s acoustic files with ≥1 pass/night) and bat feeding (files with >1 feeding buzz/night) at grouped sets of habitat features (sites) and used generalized linear mixed models to test predictions about relative use of habitats. The active season for bats was late April to early October. Little brown bat feeding was strongly correlated with general activity, but feeding comprised a significantly higher proportion of all activity at forest ponds and forest interiors compared to field edges, open fields, and ponds in fields. Total bat activity was highest at forest ponds, followed by field edges, and substantially less in forest interiors and open fields. Forest ponds were used more than the edges of nearby ponds with some riparian clearing for fields. Bats increased use of forest interiors and decreased use of fields as duration of darkness decreased close to summer solstice. We recommend exclusion of ponds, lakes, and other wetlands from future agricultural land disposition, and retention of a riparian forested buffer of ≥40 m around current water bodies on farms. We also recommend retention of strips or patches of forest bordering fields and connected to riparian areas and to more extensive forests on public lands. A relatively young agricultural landscape can avoid some of the risks of intensive agriculture with proactive planning and stewardship.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 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 ».