Predicting spatio‐temporal recolonization of large carnivore populations and livestock depredation risk: wolves in the Italian Alps
Notice bibliographique
Résumé
Summary 1. Wolves Canis lupus recently recolonized the Western Alps through dispersal from the Italian Apennines, representing one of several worldwide examples of large carnivores increasing in highly human‐dominated landscapes. Understanding and predicting expansion of this population is important for conservation because of its direct impact on livestock and its high level of societal opposition. 2. We built a predictive, spatially explicit, individual‐based model to examine wolf population expansion in this fragmented landscape, and livestock depredation risk. We developed the model based on known demographic processes, social structure, behaviour and habitat selection of wolves collected during a 10‐year intensive field study of this wolf population. 3. During model validation, our model accurately described the recolonization process within the Italian Alps, correctly predicting wolf pack locations, pack numbers and wolf population size, between 1999 and 2008. 4. We then projected packs and dispersers over the entire Italian Alps for 2013, 2018 and 2023. We predicted 25 packs (95% CI: 19–32) in 2013, 36 (23–47) in 2018 and 49 (29–68) in 2023. The South‐Western Alps were the main source for wolves repopulating the Alps from 1999 to 2008. The source area for further successful dispersers will probably shift to the North‐Western Alps after 2008, but the large lakes in the Central Alps will probably act as a spatial barrier slowing the wolf expansion. 5. Using the pack presence forecasts, we estimated spatially explicit wolf depredation risk on livestock, allowing tailored local and regional management actions. 6. Synthesis and applications. Our predictive model is novel because we follow the spatio‐temporal dynamics of packs, not just population size, which have substantially different requirements and impacts on wolf–human conflicts than wandering dispersers. Our approach enables prioritization of management efforts, including minimizing livestock depredations, identifying important corridors and barriers, and locating future source populations for successful wolf recolonization of the Alps.
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 ».