MétaCan
Menu
Retour à la cohorte
Enregistrement W6948542735 · doi:10.5061/dryad.2ngf1vhpv

Data from: Predicting multi-predator risk to elk (Cervus canadensis) in summer using predator scats

2021· dataset· en· W6948542735 sur OpenAlexaffabout

Notice bibliographique

RevueOpen MIND · 2021
Typedataset
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSubterranean biodiversity and taxonomy
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPredationPredatorRange (aeronautics)Abundance (ecology)Spatial distributionSpatial ecologyApex predator

Résumé

récupéré en direct d'OpenAlex

1. There is growing evidence that prey perceive the risk of predation and alter their behaviour in response, resulting in changes in spatial distribution and potential fitness consequences. Previous approaches to mapping predation risk across a landscape quantify predator space use to estimate potential predator-prey encounters, yet this approach does not account for successful predator attack resulting in prey mortality. An exception is a prey kill site that reflects an encounter resulting in mortality, but obtaining information on kill sites is expensive and requires time to accumulate adequate sample sizes. 2. We illustrate an alternative approach using predator scat locations and their contents to quantify spatial predation risk for elk (Cervus canadensis) from multiple predators in the Rocky Mountains of Alberta, Canada. We surveyed over 1300km to detect scats of bears (Ursus arctos/U. americanus), cougars (Puma concolor), coyotes (Canis latrans), and wolves (C. lupus). To derive spatial predation risk, we combined predictions of scat-based resource selection functions (RSFs) weighted by predator abundance with predictions that a predator-specific scat in a location contained elk. We evaluated the scat-based predictions of predation risk by correlating them to predictions based on elk kill sites. We also compared scat-based predation risk on summer ranges of elk following three migratory tactics for consistency with telemetry-based metrics of predation risk and cause-specific mortality of elk. 3. We found a strong correlation between the scat-based approach presented here and predation risk predicted by kill sites and (r = 0.98, P < 0.001). Elk migrating east of the Ya Ha Tinda winter range were exposed to the highest predation risk from cougars, resident elk summering on the Ya Ha Tinda winter range were exposed to the highest predation risk from wolves and coyotes, and elk migrating west to summer in Banff National Park were exposed to highest risk of encountering bears, but it was less likely to find elk in bear scats than in other areas. These patterns were consistent with previous estimates of spatial risk based on telemetry of collared predators and recent cause-specific mortality patterns in elk. 4. A scat-based approach can provide a cost-efficient alternative to kill sites of quantifying broad-scale, spatial patterns in risk of predation for prey particularly in multiple predator species systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,307
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0030,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0530,003

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.

Tête enseignante Opus0,266
Tête enseignante GPT0,312
Écart entre enseignants0,046 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOpen MINDMême sujetSubterranean biodiversity and taxonomyTravaux en français237 207