Decision-support model to explore the feasibility of using translocation to restore a woodland caribou population in Pukaskwa National Park, Canada
Notice bibliographique
Résumé
The distribution and abundance of woodland caribou (Rangifer tarandus caribou) have declined dramatically in the past century. Without intervention the most southern population of caribou in eastern North America is expected to disappear within 20 years. Although translocations have reintroduced and reinforced some populations, approximately half of caribou translocation efforts fail. Translocations are resource intensive and risky, and multiple interrelated factors must be considered to assess their potential for success. Structured decision-making tools, such as Bayesian belief networks, provide objective methods to assess different wildlife management scenarios by identifying the key components and relationships in an ecosystem. They can also catalyze dialogue with stakeholders and provide a record of the complex thought processes used in reaching a decision. We developed a Bayesian belief network for a proposed translocation of woodland caribou into a national park on the northeastern coast of Lake Superior, Ontario, Canada. We tested scenarios with favourable (e.g., good physical condition of adult caribou) and unfavourable (e.g., high predator densities) conditions with low, medium, and high numbers of translocated caribou. Under the current conditions at Pukaskwa National Park, augmenting the caribou population is unlikely to recover the species unless wolf densities remain low (<5.5/1000 km2) or if more than 300 animals could be translocated.
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 ».