Spatial Ecology and Predator-Prey Interactions of Mountain Lions in California's San Francisco North Bay
Notice bibliographique
Résumé
Understanding spatial ecology and predator-prey interactions are central to wildlife ecology and conservation. We tracked mountain lions with GPS telemetry to evaluate space use, predator-prey interactions, and resource selection in California’s San Francisco North Bay, USA. In Chapter 1, we evaluated the influence of human disturbance on home range size, prey composition, and kill rates on black-tailed deer (Odocoileus hemionus columbianus) across an urban-rural gradient. Both males and females increased home range size with increasing development at low to moderate levels of development, but female home range size stabilized across greater proportions of development while male home range size decreased, possibly due to constrained movement. Deer kill rates, prey composition, and time spent at kills did not vary relative to human infrastructure or natural landscape features relevant to predation (e.g., cover, productivity). The rate at which mountain lions killed deer in the North Bay was generally comparable to estimates reported across North America. In Chapter 2, we investigated scale-dependent responses by mountain lions to their primary limiting factors along a gradient of human disturbance. Mountain lions exhibited flexible strategies by selecting home ranges in both more and less developed areas. Within home ranges, responses to human infrastructure were highly variable as a function of both distance from tree cover and the amount of human infrastructure present. In Chapter 3, we evaluated resource selection by mountain lions at locations where they consumed black-tailed deer, their primary prey. Mountain lions strongly selected tree and shrub cover at feeding sites. However, their selection of primary productivity increased as a function of cover, indicating that mountain lions exhibited the strongest selection of areas with vegetative features where prey were likely both abundant and vulnerable. Our work highlights the significant overlap between mountain lions and people in the North Bay as mountain lions killed and consumed their primary prey surprisingly close to buildings (mean = 373 m). Mountain lions are highly adaptable and respond flexibly to human disturbance as some aspects of their behavior varied strongly relative to human disturbance (e.g., space use, resource selection), whereas other aspects appeared to be more consistent (e.g., predation). Advisor: John F. Benson
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 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 ».