MétaCan
Menu
Retour à la cohorte
Enregistrement W6967036306 · doi:10.5061/dryad.2280gb5tt

Data from: Harvest and density-dependent predation drive long-term population decline in a northern ungulate

2022· dataset· en· W6967036306 sur OpenAlexaff

Notice bibliographique

RevueDRYAD · 2022
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensTrent University
Organismes subventionnairesnon disponible
Mots-clésUngulatePredationPopulationPopulation declinePopulation growthContext (archaeology)Trophic levelPopulation cycleWildlife

Résumé

récupéré en direct d'OpenAlex

The relative effect of top-down versus bottom-up forces in regulating and limiting wildlife populations is an important theme in ecology. Untangling these effects is critical for a basic understanding of trophic dynamics and effective management. We examined the drivers of moose (Alces alces) population growth by integrating two independent sources of observations within a hierarchical Bayesian population model. This analysis used one of the largest existing spatiotemporal datasets on ungulate population dynamics globally. We documented a 20% population decline over the period examined. Moose population growth was negatively density-dependent. Although the mechanisms producing density-dependent suppression of population growth could not be determined, the relatively low densities at which moose populations were documented suggests it could be due primarily to density-dependent predation. Predation primarily limited population growth, except at low density, where it was regulating. Harvest appeared to be largely additive and contributed to population declines. Our results, highlight how population dynamics are context dependent and vary strongly across gradients in climate, forest type, and predator abundance. These results help clarify long-standing questions in population ecology and highlight the complex relationships between natural and human-caused mortality in driving ungulate population 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 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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,781
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,038
Tête enseignante GPT0,308
Écart entre enseignants0,270 · 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'étudeObservationnel
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDRYADTravaux en français237 207