Testing Predictions of the Prey of Lion Derived From Modeled Prey Preferences
Notice bibliographique
Résumé
Abstract: Apex predators are often threatened with extinction, and reintroduction is one method conservation managers are using to secure their persistence. Yet the ability to predict what these predators will eat upon reintroduction is lacking. Here we test predictions of the diet of the lion ( Panthera leo ), derived from dietary electivity index and optimality theory, using independent data collected from reintroduced and resident populations. We solved the Jacobs’ index preference equation for each prey species of the lion using values calculated by Hayward and Kerley (2005) and prey abundance data from 4 reintroduction sites and one resident lion population over several years. We then compared these estimates with actual kill data gathered from each site and time period, using the log‐likelihood ratio and linear regression. The model precisely predicted the observed number of kills in 9 of the 13 tests. There was a highly significant linear relationship between the number of lion kills predicted to occur at a site and the number observed for all but one site (x̄ r 2 = 0.612; β = 1.03). Predicting predator diet will allow conservation managers to stop responding and start planning in advance for reintroductions and environmental variation. Furthermore, ensuring that sufficient food resources are available is likely to increase the success of reintroduction projects. In addition, managers responsible for threatened prey species will be able to predict the vulnerability of these species to predation in the event of predator reintroductions or changes in abundance. These methods are applicable to virtually all large predators that have been sufficiently studied.
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 | 0,001 | 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) | 0,000 | 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 ».