MétaCan
Menu
Retour à la cohorte
Enregistrement W2064695360 · doi:10.2193/2007-591

Managing for Elevated Yield of Moose in Interior Alaska

2009· article· en· W2064695360 sur OpenAlexaboutno aff
Rodney D. Boertje, Mark A. Keech, Donald D. Young, Kalin A. Kellie, C. Tom Seaton

Notice bibliographique

RevueJournal of Wildlife Management · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUrsusCanisHunting seasonPopulationPredationGrizzly BearsPopulation densityGeographyCullingBiologyAnimal scienceEcologyDemographyHerd

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Given recent actions to increase sustained yield of moose ( Alces alces ) in Alaska, USA, we examined factors affecting yield and moose demographics and discussed related management. Prior studies concluded that yield and density of moose remain low in much of Interior Alaska and Yukon, Canada, despite high moose reproductive rates, because of predation from lightly harvested grizzly ( Ursus arctos ) and black bear ( U. americanus ) and wolf ( Canis lupus ) populations. Our study area, Game Management Unit (GMU) 20A, was also in Interior Alaska, but we describe elevated yield and density of moose. Prior to our study, a wolf control program (1976–1982) helped reverse a decline in the moose population. Subsequent to 1975, moose numbers continued a 28‐year, 7‐fold increase through the initial 8 years of our study (λ B1 = 1.05 during 1996–2004, peak density = 1,299 moose/1,000 km 2 ). During these initial 8 hunting seasons, reported harvest was composed primarily of males ( = 88%). Total harvest averaged 5% of the prehunt population and 57 moose/1,000 km 2 , the highest sustained harvest‐density recorded in Interior Alaska for similar‐sized areas. In contrast, sustained total harvests of <10 moose/1,000 km 2 existed among low‐density, predator‐limited moose populations in Interior Alaska (≤417 moose/1,000 km 2 ). During the final 3 years of our study (2004–2006), moose numbers declined (λ B2 = 0.96) as intended using liberal harvests of female and male moose ( = 47%) that averaged 7% of the prehunt population and 97 moose/1,000 km 2 . We intentionally reduced high densities in the central half of GMU 20A (up to 1,741 moose/1,000 km 2 in Nov) because moose were reproducing at the lowest rate measured among wild, noninsular North American populations. Calf survival was uniquely high in GMU 20A compared with 7 similar radiocollaring studies in Alaska and Yukon. Low predation was the proximate factor that allowed moose in GMU 20A to increase in density and sustain elevated yields. Bears killed only 9% of the modeled postcalving moose population annually in GMU 20A during 1996–2004, in contrast to 18–27% in 3 studies of low‐density moose populations. Thus, outside GMU 20A, higher bear predation rates can create challenges for those desiring rapid increases in sustained yield of moose. Wolves killed 8–15% of the 4 postcalving moose populations annually (10% in GMU 20A), hunters killed 2–6%, and other factors killed 1–6%. Annually during the increase phase in GMU 20A, calf moose constituted 75% of the predator‐killed moose and predators killed 4 times more moose than hunters killed. Wolf predation on calves remained largely additive at the high moose densities studied in GMU 20A. Sustainable harvest‐densities of moose can be increased several‐fold in most areas of Interior Alaska where moose density and moose: predator ratios are lower than in GMU 20A and nutritional status is higher. Steps include 1) reducing predation sufficient to allow the moose population to grow, and 2) initiating harvest of female moose to halt population growth and maximize harvest after density‐dependent moose nutritional indices reach or approach the thresholds we previously published.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,251
Score d'incertitude au seuil0,313

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,236
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations53
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Wildlife ManagementMême sujetWildlife Ecology and ConservationTravaux en français237 207