Population viability analysis to identify management priorities for reintroduced Elk in the Cumberland Mountains, Tennessee
Notice bibliographique
Résumé
Abstract We used an individual‐based population model to perform a viability analysis to simulate population growth ( λ ) of 167 elk ( Cervus elaphus manitobensis ; 71 male and 96 female) released in the Cumberland Mountains, Tennessee, to estimate sustainability (i.e., λ > 1.0) and identify the most appropriate options for managing elk restoration. We transported elk from Elk Island National Park, Alberta, Canada, and from Land Between the Lakes, Kentucky, and reintroduced them beginning in December 2000 and ending in February 2003. We estimated annual survival rates for 156 radio‐collared elk from December 2000 until November 2004. We used data from a nearby elk herd in Great Smoky Mountains National Park to simulate pessimistic and optimistic recruitment and performed population viability analyses to evaluate sustainability over a 25‐year period. Annual survival averaged 0.799 (Total SE = 0.023). The primary identifiable sources of mortality were poaching, disease from meningeal worm ( Parelaphostrongylus tenuis ), and accidents (environmental causes and unintentional harvest). Population growth given pessimistic recruitment rates averaged 0.895 over 25 years (0.955 in year 1 to 0.880 in year 25); population growth was not sustainable in 100% of the runs. With the most optimistic estimates of recruitment, mean λ increased to 0.967 (1.038 in year 1 to 0.956 in year 25) with 99.6% of the runs failing to be sustainable. We suggest that further translocation efforts to increase herd size will be ineffective unless survival rates are increased in the Cumberland Mountains. © 2011 The Wildlife Society.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».