Rôle de l'hermine dans les cycles de lemmings du Haut-Arctique
Bibliographic record
Abstract
Prédire l'abondance d'une espèce en un lieu donné représente encore aujourd'hui un défi de taille vu la diversité de facteurs à considérer et ce, à différentes échelles spatiotemporelles. En générant beaucoup de variabilité, autant dans leur abondance que dans les facteurs la régulant, les populations cycliques présentent des systèmes de choix pour étudier la dynamique des populations. Ce mémoire s'intéresse aux interactions prédateurs-proies, en examinant l'influence qu'a un prédateur spécialiste résident, l'hermine (Mustela richardsonii), sur les cycles de populations des lemmings du Haut-Arctique canadien (Lemmus trimucronatus & Dicrostonyx groenlandicus). Au chapitre 1, nous avons reconstitué les niveaux d'abondance de ce prédateur sur près de 30 ans grâce aux témoignages fournis par d'anciens observateurs. Selon nos résultats, les données issues des témoignages sont comparables à celles récoltées systématiquement. Au chapitre 2, en utilisant la série-temporelle d'abondance d'hermine issue du chapitre précédent, nous avons testé l'hypothèse du prédateur spécialistes (HPS) qui suppose un rôle prépondérant de ces prédateurs dans la génération des cycles de micromammifères. Comme prévu par l'HPS, nos résultats montrent que l'abondance d'hermine à l'an t est autant déterminée par les abondances passées (t-1) que présentes (t) de proies. De plus, des analyses saisonnières circonscrivent l'impact négatif de l'hermine sur les lemmings surtout à l'hiver, ce qui indique un rôle potentiel dans les déclins et le maintien à faible abondance des lemmings sur plus d'un an. Nos simulations soulignent aussi l'importance de l'hermine dans la création de phases de faible abondance. En somme, nos résultats montrent que l'hermine est nécessaire, bien qu'insuffisante, pour générer les cycles de 3 à 5 ans observés dans le Haut-Arctique. Ces travaux empiriques délimitent les conditions dans lesquelles les petits mustélidés pourraient influencer les cycles de populations et proposent des mécanismes permettant cette influence.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".