Thermal properties of arctic fox fur and the effect of fur lice infestation.
Notice bibliographique
Résumé
In 2019, a new species of sucking louse was observed in arctic foxes (Vulpes lagopus) on Svalbard and Northern Canada. Abnormal patterns of fur loss, inconsistent with normal moult, were observed across the neck, shoulders and back, raising concerns as to how the animals would cope with damaged fur during the cold Arctic winter. This study investigates the impact of these lice on Svalbard arctic foxes, focussing on louse prevalence, fur condition and thermal properties. A total of 23 fur samples from 17 arctic foxes were used to estimate louse prevalence, abundance and fur damage compared to thermal properties. Louse density was determined by dissolving skin biopsies and counting lice visually. The thermal properties were determined by establishing a steady heat flow through a system of a standard conductor and a fur sample and measuring the temperature at each interface.\nThe prevalence was lower (44%) compared to the prevalence estimated (70%) from the previous trapping season (2021-2022). Conductivity values ranged from 0.0304 – 0.0869 W/m°C and conductance from 0.974 to 2.94 W/m2°C. These values broadly agree with previous studies.\nNo linear relationship was found between louse density and fur state, suggesting an underlying louse population dynamic. While no linear correlation was found between louse density and thermal conductivity of the fur or fur damage and conductivity, a significant (p < 0.05) relationship was found between louse density, fur damage and thermal conductance, implying that infested arctic foxes, as hypothesised, experience excess heat loss compared to non-infested foxes and that this heat loss is due to a loss of fur rather than a change in the internal structure of the coat.\nA pilot study tested the potential use of thermal imaging in the detection and monitoring of fur loss and lice infestation in wild arctic foxes. The initial results showed promise, but the system requires further refinement before large-scale field trials. An image of an arctic fox was captured with evidence of fur loss.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 ».