Comparative habitat selection of black bears, wolves, and boreal caribou in an area of low anthropogenic disturbance
Notice bibliographique
Résumé
Across boreal ecosystems, landscape disturbance alters predator–prey dynamics by modifying habitat structure, movement corridors, and spatial overlap among species. For woodland caribou ( Rangifer tarandus caribou ), these shifts are largely driven by anthropogenic disturbance and have contributed to population declines through increased predation risk. However, these dynamics are often studied in heavily disturbed regions. We examined seasonal habitat selection using resource selection functions for black bears ( Ursus americanus ) and wolves ( Canis lupus ) in a fire-dominated boreal landscape with low anthropogenic disturbance (Saskatchewan Boreal Shield). Using latent selection difference modelling, we assessed spatial overlap between each predator and caribou during the calving season, when calves are most vulnerable. Black bears selected mixed coniferous-deciduous forest early in the season, young coniferous stands in fall, burns 0–20 years post-fire, and areas closer to linear features, while avoiding black spruce swamp and burns >30 years. Wolves consistently selected open muskeg, burns 31–40 years post-fire, and areas closer to linear features, while avoiding young jack pine and burns >40 years. During the calving season, black bears and wolves were more likely to select mixed coniferous-deciduous forest and burns 11–40 years old, and less likely to select black spruce swamp, open muskeg, and young-mid jack pine compared to caribou. Both predators were more likely to select areas closer to linear features than caribou. These findings provide a critical benchmark for understanding how disturbance patterns may influence predator–prey habitat selection and highlight the need for management that considers natural and anthropogenic processes.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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) | 0,000 | 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 ».