Landscape composition and structure influence the abundance of mesopredators: implications for the control of the raccoon (<i>Procyon lotor</i>) variant of rabies
Notice bibliographique
Résumé
Rabies propagation in Canada has forced wildlife managers to develop intervention strategies to reduce the risk of rabies epizootics. We assessed whether some landscape characteristics of a corn-dominated region of Quebec in which the raccoon variant of rabies (RVR) has spread were associated with the abundances of raccoons ( Procyon lotor (L., 1758)) and striped skunks (Mephitis mephitis (Schreber, 1776)). We then examined whether landscape variables that best explained spatial variation in raccoon abundance were also good predictors in the detection of rabid raccoons. Between June and September 2007, 9600 raccoons and 1612 skunks were captured from 111 trapping cells. The abundance of captured raccoons, especially that of adult males and juveniles, increased over the summer in trapping cells characterized by a high density of forest edges bordering corn fields. The probability of detecting rabid raccoons also increased with this landscape characteristic, as well as with adult raccoon abundance. No landscape characteristic, however, explained spatial variation in skunk abundance. Efficient RVR control operations in similar landscapes should ideally include widespread distribution of vaccine baits because of the general distribution of skunks, while also focusing on areas where forest patches intersperse with corn fields to target high concentrations of raccoons, particularly in late summer.
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 ».