Know Thy Enemy: Experience Affects Elk Translocation Success in Risky Landscapes
Notice bibliographique
Résumé
ABSTRACT To maximize success, reintroduction programs generally select predator‐free release areas having high habitat quality. Past studies provide little insight into recovery efforts where multiple, potentially novel, mortality hazards occur. The ability of translocated animals to cope with novel environments can be affected by both pre‐ and postrelease experiences with habitat and mortality risks. We experimentally released elk (Cervus elaphus) having different background experiences into an area where predators and hunters were prevalent and habitat quality varied. Using a competing risks approach, we predicted the postrelease survival of individuals and their fidelity to release areas as a function of animal source and postrelease encounters with forage resources and areas used by wolves (Canis lupus) or humans. Mortality patterns were consistent with prerelease exposure to mortality risks but not habitat differences among source areas. Wolf predation, poaching, and legal Native hunting were equivalent in magnitude and accounted for the majority of elk mortalities. Familiarity with either wolves or hunters prior to release yielded first‐year survival rates 1.9‐2.2 times greater than observed for animals naive to both risks. These 2 primary sources of mortality traded off temporally as well as spatially given the proximity of roads, which wolves avoided. The prevalence of forage resources in release areas increased fidelity to release sites but coincided with higher mortality risk during the critical first year, potentially setting an ecological trap for animals naïve to local risks. Translocated individuals largely mediated their respective vulnerabilities over time, showing second‐year survival rates equivalent to resident elk. In addition to using source populations that are able to adjust to mortality risks in release areas, spatial and temporal variation in mortality risks might be exploited when planning releases to increase the success of translocations into risky landscapes. (JOURNAL OF WILDLIFE MANAGEMENT 71(2):541–554; 2007)
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 | 0,000 | 0,002 |
| 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 | 0,001 | 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) | 0,004 | 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 ».