CONSERVATION RISKS OF MALE-SELECTIVE HARVEST FOR MAMMALS WITH LOW REPRODUCTIVE POTENTIAL
Notice bibliographique
Résumé
We used harvested, stochastic population models for grizzly bears (Ursus arctos) and polar bears (U. maritimus) to illustrate the propensity for male-biased harvesting to reduce mean male age and numbers of sexually mature males for species with relatively low reproductive potential. We compared our results with those obtained from caribou (Rangifer tarandus), an annually reproducing species with relatively high reproductive potential. Differences in the rate at which mean ages and numbers of sexually mature males were reduced by harvesting was a function of differences in species life history of species, but also the extent to which young animals were protected from hunting. For example, the length of each species' reproductive cycle (we modeled 1 year for caribou, 2 years for bears) determined the degree to which sex-biased harvest was also age-biased. Proportionately more young bears were protected from harvest than young caribou due to the multiannual, rather than annual, parental care afforded young bears (we assumed all females with accompanying offspring were invulnerable to harvest). This additional age-bias in the hunt served to direct offtake toward adult males; consequently, as male selectivity in the kill increased, mean ages of bears declined at rates that were higher than for caribou. For species with low reproductive potential, we believe there is a real possibility that persistence probabilities may be overestimated if, after prolonged sex-selective harvest, lack of sexually mature males in the population impairs fecundity. We encourage further development of population models that incorporate potentially negative, hunting-induced impacts on reproduction. In particular, we support the development of models that link the mean age of males or frequency of adult males in a population to the rate at which females are successfully mated.
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 | 0,001 |
| 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 ».