Effects of low-level culling of feral cats in open populations: a case study from the forests of southern Tasmania
Notice bibliographique
Résumé
Context Feral cats (Felis catus) threaten biodiversity in many parts of the world, including Australia. Low-level culling is often used to reduce their impact, but in open cat populations the effectiveness of culling is uncertain. This is partly because options for assessing this management action have been restricted to estimating cat activity rather than abundance. Aims We measured the response, including relative abundance, of feral cats to a 13-month pulse of low-level culling in two open sites in southern Tasmania. Methods To do this we used remote cameras and our analysis included identification of individual feral cats. We compared estimates of relative abundance obtained via capture–mark–recapture and minimum numbers known to be alive, and estimates of activity obtained using probability of detection and general index methods, pre- and post-culling. We also compared trends in cat activity and abundance over the same time period at two further sites where culling was not conducted. Key results Contrary to expectation, the relative abundance and activity of feral cats increased in the cull-sites, even though the numbers of cats captured per unit effort during the culling period declined. Increases in minimum numbers of cats known to be alive ranged from 75% to 211% during the culling period, compared with pre- and post-cull estimates, and probably occurred due to influxes of new individuals after dominant resident cats were removed. Conclusions Our results showed that low-level ad hoc culling of feral cats can have unwanted and unexpected outcomes, and confirmed the importance of monitoring if such management actions are implemented. Implications If culling is used to reduce cat impacts in open populations, it should be as part of a multi-faceted approach and may need to be strategic, systematic and ongoing if it is to be effective.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».