Spatial and temporal use of roads by grizzly bears in west-central Alberta
Notice bibliographique
Résumé
Resource extraction activities in Alberta, Canada, have produced a large increase in the number of roads in grizzly bear (Ursus arctos) habitat. High road densities have been associated with high grizzly bear mortality rates in some areas. We used GPS data from grizzly bears in west-central Alberta, Canada, 1999–2005 to examine (1) frequencies at which grizzly bears crossed roads (standardized by number of locations/bear and length of road segments), using a crossing index analysis among age–sex classes, traffic volumes, seasons, and time of day; (2) habitat attributes surrounding crossing locations, using a resource selection function analysis to discern if certain habitats and road types were associated with crossing areas; and (3) grizzly bear distribution near roads as a function of age–sex class and season to determine if bears were near roads more or less frequently than expected. Females had higher crossing indices than males for all seasons and daylight hours. Crossings occurred most often at narrow, unpaved roads near creeks and in open areas with high greenness scores. In spring, females with cubs were within 200 m of roads more frequently than expected. In autumn, subadult females were within 200 m of roads more frequently than expected, whereas adult males displayed the reverse pattern. These results indicate that females had a greater chance of encountering humans. Reducing the density of roads in grizzly bear habitat or reducing human presence on these roads, especially during the spring and fall seasons, may reduce the human-caused mortality to female grizzly bears. Creating or leaving a dense tree buffer along roads that traverse open habitats could provide a visual shield from passing vehicles, which may reduce grizzly bear–human encounters and human-caused mortalities.
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) | 0,001 | 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 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 ».