Data from: The effect of terrain and female density on survival of neonatal white-tailed deer and mule deer fawns
Notice bibliographique
Résumé
Juvenile survival is a highly variable life-history trait that is critical to population growth. Antipredator tactics, including an animal's use of its physical and social environment, are critical to juvenile survival. Here, we tested the hypothesis that habitat and social characteristics influence coyote (Canis latrans) predation on white-tailed deer (Odocoileus virginianus) and mule deer (O. hemionus) fawns in similar ways during the neonatal period. This would contrast to winter when the habitat and social characteristics that provide the most safety for each species differ. We monitored seven cohorts of white-tailed deer and mule deer fawns at a grassland study site in Alberta, Canada. We used logistic regression and a model selection procedure to determine how habitat characteristics, climatic conditions, and female density influenced fawn survival during the first 8 weeks of life. Fawn survival improved after springs with productive vegetation (high integrated Normalized Difference Vegetation Index values). Fawns that used steeper terrain were more likely to survive. Fawns of both species had improved survival in years with higher densities of mule deer females, but not with higher densities of white-tailed deer females, as predicted if they benefit from protection by mule deer. Our results suggest that topographical variation is a critical resource for neonates of many ungulate species, even species like white-tailed deer that use more gentle terrain when older. Further, our results raise the possibility that neonatal white-tailed fawns may benefit from associating with mule deer females, which may contribute to the expansion of white-tailed deer into areas occupied by mule deer.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,002 | 0,004 |
| 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 ».