Agricultural lands as ecological traps for grizzly bears
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Human–carnivore conflicts on agricultural lands are a global conservation issue affecting carnivore population viability, and human safety and livelihoods. Locations of conflicts are influenced by both human presence and carnivore habitat selection, although these two aspects of conflict rarely have been examined concurrently. Advances in animal tracking have facilitated examination of carnivore habitat selection and movements affording new opportunities to understand spatial patterns of conflict. We reviewed 10 years of data on conflicts between grizzly bears and humans in southwestern A lberta, C anada. We used logistic regression models in a geographic information system to map the probability of bear–human conflict from these data, and the relative probability of grizzly bear habitat selection based on global positioning system radiotelemetry data. We overlaid these maps to identify ecological traps, as well as areas of secure habitat. The majority of the landscape was seldom selected by bears, followed by ecological traps where most conflicts occurred. Only a small portion of the landscape was identified as secure habitat. Such mapping methods can be used to identify areas where conflict reduction strategies have the greatest potential to be effective. Our results highlight the need for comprehensive management to reduce conflicts and to identify areas where those conflicts are most problematic. These methods will be particularly useful for carnivores known to be in conflict with agriculture, such as large carnivores that prey on livestock, or pose a threat to human safety.
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.
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 | 0,000 |
| 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 | 0,001 |
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.
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 découle