Age, Sex and Relocation Distance as Predictors of Return for Relocated Nuisance Black Bears <i>Ursus americanus</i> in Ontario, Canada
Notice bibliographique
Résumé
Relocation has been used as a management tool for nuisance black bears Ursus americanus for decades. Using tag recovery data from relocated nuisance bears in Ontario, Canada, we developed predictive models to assist managers in determining the efficacy of black bear relocation based on the sex and age of the animal, and a range of relocation distances. We considered relocation success in terms of nuisance recurrence rates and whether bears returned to within 20 km of the capture site. A minimum of 30% of relocated bears were subsequently involved in another nuisance event and adult females were the segment of the population most likely to re‐offend (48%). Adult bears consistently exhibited higher return rates than juveniles (73 vs 29%), hence we modeled these two groups separately. Based on logistic regression models, the probability of return for animals 1–3 years of age increased with age, females were more likely to return than males, and return rates decreased with increasing relocation distance. For bears ≥4 years of age, these variables were poor predictors of return; the model had difficulty identifying bears that did not return. We used receiver‐operating characteristic curves to estimate relocation distance thresholds for juvenile bears. The results suggest that 2‐ and 3‐year‐old male bears will not return to within 20 km of the capture area if relocated a minimum of 30 km and 64 km, respectively. Although relocation appears to be an effective strategy for the management of juvenile male bears, success rates were low for adults. Our findings can aid resource managers in making more informed decisions as to the potential effectiveness of relocation as a management tool.
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 | 0,000 | 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 ».