Predicting free‐roaming cat population densities in urban areas
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Although free‐roaming cats can have a significant impact on the environment, and substantial resources have been invested to find humane alternatives for managing free‐roaming cat populations, there are no empirical estimates of free‐roaming cat population size in medium to large cities. In addition, little is known about factors limiting free‐roaming cat population size and distribution. Using Guelph, ON, Canada (pop: 120 000; 86.7 km 2 ) as a case‐study, we apply replicated distance transect sampling and likelihood‐based hierarchical modelling to compare human‐mediated landscape patterns of land use, distance to roads, distance to wooded areas, building density and socio‐economic status to explain the abundance of free‐roaming cats. We then derive an empirical estimate of total population size and present a spatially explicit prediction of free‐roaming cat density across an entire city. Cat abundance was highest in residential areas and lowest in commercial and institutional areas, negatively related to median household income, and positively related to distance from woods and building density. Total population size was estimated to be 7662 (95% bootstrap CI: 6145–9966) for Guelph; free‐roaming cat density varied from 0 to 49.4 cats per ha. Our estimate overlapped with an independent estimate of indoor‐outdoor cats (11 927; 95% CI: 6361–20 989) derived from random surveys of city residents, which implies our distance transect methodology was relatively robust and unbiased. Our approach used simple geographical information that is readily available for most urban areas in North America and can be applied broadly to inform cat management in urban areas. Finally, our results suggest that free‐roaming cat density in cities could be determined by bottom‐up processes (e.g. enhanced food availability in residential areas) as well as top‐down processes (e.g. enhanced susceptibility to coyote predation near wooded areas) which are typically reserved to explain wildlife populations in natural environments.
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.
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 découle